Hepatic R2* is more strongly associated with proton density fat fraction than histologic liver iron scores in patients with nonalcoholic fatty liver disease
Notice bibliographique
Résumé
BACKGROUND: The liver R2* value is widely used as a measure of liver iron but may be confounded by the presence of hepatic steatosis and other covariates. PURPOSE: To identify the most influential covariates for liver R2* values in patients with nonalcoholic fatty liver disease (NAFLD). STUDY TYPE: Retrospective analysis of prospectively acquired data. POPULATION: Baseline data from 204 subjects enrolled in NAFLD/NASH (nonalcoholic steatohepatitis) treatment trials. FIELD STRENGTH: 1.5T and 3T; chemical-shift encoded multiecho gradient echo. ASSESSMENT: Correlation between liver proton density fat fraction and R2*; assessment for demographic, metabolic, laboratory, MRI-derived, and histological covariates of liver R2*. STATISTICAL TESTS: Pearson's and Spearman's correlations; univariate analysis; gradient boosting machines (GBM) multivariable machine-learning method. RESULTS: Hepatic proton density fat fraction (PDFF) was the most strongly correlated covariate for R2* at both 1.5T (r = 0.652, P < 0.0001) and at 3T (r = 0.586, P < 0.0001). In the GBM analysis, hepatic PDFF was the most influential covariate for hepatic R2*, with relative influences (RIs) of 61.3% at 1.5T and 47.5% at 3T; less influential covariates had RIs of up to 11.5% at 1.5T and 16.7% at 3T. Nonhepatocellular iron was weakly associated with R2* at 3T only (RI 6.7%), and hepatocellular iron was not associated with R2* at either field strength. DATA CONCLUSION: Hepatic PDFF is the most influential covariate for R2* at both 1.5T and 3T; nonhepatocellular iron deposition is weakly associated with liver R2* at 3T only. LEVEL OF EVIDENCE: 4 Technical Efficacy: Stage 2 J. Magn. Reson. Imaging 2019;49:1456-1466.
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 ».