Missed Diagnosis of Liver Cirrhosis Leads to Disparities in Care for Older Patients
Notice bibliographique
Résumé
BACKGROUND: Cirrhosis of the liver is often not recognized until late in the disease state, when patients decompensate or develop hepatocellular carcinoma (HCC). This inquiry considered factors associated with undiagnosed cirrhosis. METHODS: Patients with undiagnosed cirrhosis were compared to patients with known diagnosis of cirrhosis, to evaluate the differences between these two groups. The study population is patients with confirmed diagnosis of HCC, stratified into patients with known diagnosis of cirrhosis (n = 36) and patients without the known diagnosis of cirrhosis who have features of cirrhosis (n = 36). RESULTS: There was no significant difference in insurance, gender, race, etiology of liver disease, presence of splenomegaly, model for end stage liver disease (MELD) score, fibrosis-4 index (FIB-4) or aspartate aminotransferase (AST) to platelet ratio index (APRI) scores between groups. However, the strongest predictor of the diagnosis of cirrhosis was age, with older patients being less likely to be diagnosed with cirrhosis (OR: 0.924, P = 0.012). Furthermore, tumor size in patients without known cirrhosis was larger than those diagnosed with cirrhosis (median: 4.9 cm versus 3.5 cm, P = 0.015). Of note, 50% of cases with cirrhosis were undiagnosed. CONCLUSION: Older age was the most significant predictor of the missed diagnosis of liver cirrhosis. This led to a larger tumor size at diagnosis, which may imply worse prognosis in these patients. Further evaluation of health disparities related to older age and outcomes of older patients with liver cirrhosis should guide the development of guidelines to prevent the missed diagnosis of cirrhosis.
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) | 0,000 | 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 ».