Implementing genetic screening for the management of hepatic disease
Notice bibliographique
Résumé
Liver cirrhosis is an advanced stage of liver fibrosis causing liver failure, and may progress to hepatocellular carcinoma (HCC). HCC remains as the second leading cause of cancer-related deaths worldwide and is one of few cancer types to show increasing incidence and mortality rates (1). HCC incidence has doubled in low-risk countries such as USA, Canada, Australia, and some European countries since the 1970s (2) and mortality rates have increased in these regions, especially in 45+ age groups (3). This may be attributed to intravenous drug use in this cohort associated with high HCV infection rates between 1960–1980 (4). Additionally, an increasing amount of HCC cases are non-viral (5). Thus, the rise in HCC deaths in Westernized countries may be attributed to increased obesity and diabetes prevalence, both well-established risk factors for non-alcoholic fatty liver disease (NAFLD), non-alcoholic hepatic steatosis (NASH), and progression to HCC. Regardless of original cause, 85–90% of HCC cases arise from underlying cirrhosis and non-cirrhotic cases show varying stages of fibrosis. Unfortunately, progression of hepatic fibrosis to cirrhosis is often asymptomatic and most diagnoses are not made until clinical signs arise indicating end-stage liver disease (ESLD) or advanced HCC (6). Thus, a relevant strategy of reducing liver disease-related deaths are to take preventative measures and improve disease management.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».