The Natural History of Severe Acute Liver Injury
Notice bibliographique
Résumé
OBJECTIVES: Acute liver failure (ALF) is classically defined by coagulopathy and hepatic encephalopathy (HE); however, acute liver injury (ALI), i.e., severe acute hepatocyte necrosis without HE, has not been carefully defined nor studied. Our aim is to describe the clinical course of specifically defined ALI, including the risk and clinical predictors of poor outcomes, namely progression to ALF, the need for liver transplantation (LT) and death. METHODS: 386 subjects prospectively enrolled in the Acute Liver Failure Study Group registry between 1 September 2008 through 25 October 2013, met criteria for ALI: International Normalized Ratio (INR)≥2.0 and alanine aminotransferase (ALT)≥10 × elevated (irrespective of bilirubin level) for acetaminophen (N-acetyl-p-aminophenol, APAP) ALI, or INR≥2.0, ALT≥10x elevated, and bilirubin≥3.0 mg/dl for non-APAP ALI, both groups without any discernible HE. Subjects who progressed to poor outcomes (ALF, death, LT) were compared, by univariate analysis, with those who recovered. A model to predict poor outcome was developed using the random forest (RF) procedure. RESULTS: Progression to a poor outcome occurred in 90/386 (23%), primarily in non-APAP (71/179, 40%) vs. only 14/194 (7.2%) in APAP patients comprising 52% of all cases (13 cases did not have an etiology assigned; 5 of whom had a poor outcome). Of 82 variables entered into the RF procedure: etiology, bilirubin, INR, APAP level and duration of jaundice were the most predictive of progression to ALF, LT, or death. CONCLUSIONS: A majority of ALI cases are due to APAP, 93% of whom will improve rapidly and fully recover, while non-APAP patients have a far greater risk of poor outcome and should be targeted for early referral to a liver transplant center.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».