Which Method is Superior in the Diagnosis of Nonalcoholic Fatty Liver and Steatohepatatis in Children?
Notice bibliographique
Résumé
Context: Nonalcoholic fatty liver disease (NAFLD) is increasing with the increased rate of obesity and reduced physical activity in children worldwide. Despite high prevalence of the disease, a standard and acceptable diagnostic method is not available. The current study aimed at collecting all related articles and evaluating the challenges. Methods: The current study searched Scopus, Web of Science, and PubMed. Articles and guidelines in English in the field of invasive and noninvasive diagnostic methods for NAFLD and nonalcoholic steatohepatitis (NASH) in children and adolescents up to Oct 2016 were used. It was tried to evaluate all laboratory and radiologic methods, biomarkers, and scores in addition to mention the challenges. Results: Ultrasonography and laboratory evaluation, which were routine methods in early diagnosis, did not have enough accuracy in this field. Diagnosis of steatosis and fibrosis and determining the severity of disease were achieved by fibro scan and controlled attenuation parameter (CAP) without the challenges of computed tomography (CT) scan and magnetic resonance imaging (MRI). Fatty liver can be predicted with high accuracy by body analyzer, anthropometric, and DEXA methods. Conclusions: Diagnosis and prediction of fatty liver should be done in all children with obesity aged > 3 years, and physician should seek the genetic and metabolic causes in children aged < 3 years and/or without overweight.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».