Performance of transient elastography and serum fibrosis biomarkers for non-invasive evaluation of recurrent fibrosis after liver transplantation: A meta-analysis
Notice bibliographique
Résumé
Recurrent fibrosis after liver transplantation (LT) impacts on long-term graft and patient survival. We performed a meta-analysis to compare the accuracy of non-invasive methods to diagnose significant recurrent fibrosis (stage F2-F4) following LT. Studies comparing serum fibrosis biomarkers, namely AST-to-platelet ratio index (APRI), fibrosis score 4 (FIB-4), or transient elastography (TE) with liver biopsy in LT recipients were systematically identified through electronic databases. In the meta-analysis, we calculated the weighted pooled odds ratio and used a fixed effect model, as there was no significant heterogeneity between studies. Eight studies were included for APRI, four for FIB-4, and twelve for TE. The mean prevalence of significant liver fibrosis was 37.4%. The summary odds ratio was significantly higher for TE (21.17, 95% CI confidence interval 14.10-31.77, p = 1X10-30) as compared to APRI (9.02, 95% CI 5.79-14.07; p = 1X10-30) and FIB-4 (7.08, 95% CI 4.00-12.55; p = 1.93X10-11). In conclusion, TE performs best to diagnose recurrent fibrosis in LT recipients. APRI and FIB-4 can be used as an estimate of significant fibrosis at centres where TE is not available. Longitudinal assessment of fibrosis by means of these non-invasive tests may reduce the need for liver biopsy.
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 | 0,016 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,060 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».