A201 PREVALENCE OF NONALCOHOLIC FATTY LIVER DISEASE IN A COHORT OF HEALTHY CHILDREN IN ONTARIO
Notice bibliographique
Résumé
Abstract Aims To determine the prevalence of hepatic steatosis in a cohort of previously healthy children and adolescents, with the use of abdominal computer tomography (CT). Methods Retrospective review of the Sickkids trauma database from (year 2004 to 2015). Inclusion criteria: previously healthy children ages 1-17yr having undergone an abdominal CT scan as a part of routine trauma assessment. Exclusion criteria: Involvement of spleen and/or liver in the injury, known metabolic condition, concurrent use of medications that could predispose to hepatic steatosis. Steatosis was defined as a liver spleen attenuation index (L/S AI) of <0.8. Anthropometrics and baseline demographics were collected. Statistical analyses were performed using Graphpad Prism 7. Results A total of 143 children were included in the analyses with a mean (SD) age of 7.12(4.26) years. 88 children were male (7.10(4.24) years old). The mean (SD) weight z score was 0.48 (0.97). Fifteen percent of the 137 children with a weight z-score between -2 to 2 had evidence of hepatic steatosis on imaging (using liver/spleen index <0.8). Twenty seven percent (6/22) of children with weight z-scores less than the 33rd percentile had L/S AI <0.8. An inverse correlation between weight z-scores and L/S AI was found in children >10 years (P<0.016) (Fig 1); however there was no correlation in pre-pubertal children (P<0.374). Conclusions Hepatic steatosis is highly prevalent in this cohort of healthy children in Ontario. Larger population based studies are needed to investigate the prevalence of hepatic steatosis in children across Canada. Funding Agencies None
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 | 0,001 | 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 | 0,000 |
| 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 ».