Utility of shear‐wave elastography to differentiate low from advanced degrees of liver fibrosis in patients with hepatitis C virus infection of native and transplant livers
Notice bibliographique
Résumé
OBJECTIVE: To determine the accuracy of shear-wave elastography (SWE) to differentiate low from advanced degrees of liver fibrosis in hepatitis C patients. MATERIAL & METHOD: Consented native/transplant hepatitis C patients underwent SWE using a C1-6 MHz transducer before ultrasound (US)-guided liver biopsy. Five interpretable SWE samples were obtained from the right lobe of the liver immediately before US-guided random biopsy of the right lobe. Average kilopascal (kPa) values were compared to the meta-analysis of histological data in viral hepatitis (METAVIR) fibrosis grading. SWE values were correlated with the degree of inflammation and fatty infiltration. RESULTS: Study population consisted of 115 patients (63 with transplant, and 52 with native liver) including 29 women and 86 men, with a mean ± SD age of 56 ± 8.7 years. Mean ± SD SWE values were 7.9 ± 3 kPa in 83 patients with METAVIR scores of 0-2 and 13.2 ± 5.9 kPa in 32 patients with METAVIR scores of 3 or 4 (P < .001). Area under curve (AUC) of a Receiver Operating Characteristics curve for advanced degrees of fibrosis was 0.81 (95% CI: 0.71, 0.90) (P < .001). AUCs of transplant versus native livers (0.78 [CI:0.62, 0.94] versus 0.85 [CI: 0.73, 0.96]), degree of inflammation (0.81 [CI: 0.65, 0.97] versus 0.72 [0.56, 0.88]), or degree of fat deposition (0.81 [CI:0.70, 0.92] versus 0.80 [CI:0.61, 1]) were not statistically different (P > .05). for kPa threshold of SWE value of 10.67 kPa to differentiate advanced from low degree of fibrosis had a sensitivity of 59% (CI: 41%-76%) and specificity of 90% (CI: 82%-96%). CONCLUSION: Liver stiffness evaluated by SWE can differentiate low from advanced liver fibrosis.
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) | 0,001 | 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 ».