MétaCan
Menu
Retour à la cohorte
Enregistrement W2908318651 · doi:10.1002/lt.25338

Predictors of De Novo Nonalcoholic Fatty Liver Disease After Liver Transplantation and Associated Fibrosis

2019· article· en· W2908318651 sur OpenAlexaff
Zita Galvin, Ramraj Rajakumar, Emily Chen, Oyedele Adeyi, Markus Selzner, David Grant, Gonzalo Sapisochín, Paul D. Greig, Mark S. Cattral, Ian D. McGilvray, Anand Ghanekar, Nazia Selzner, Les Lilly, Keyur Patel, Mamatha Bhat

Notice bibliographique

RevueLiver Transplantation · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineNonalcoholic fatty liver diseaseInternal medicineLiver transplantationGastroenterologyFibrosisFatty liverBody mass indexSteatosisUnivariate analysisTransplantationOdds ratioCohortMultivariate analysisDisease

Résumé

récupéré en direct d'OpenAlex

Nonalcoholic fatty liver disease (NAFLD) can occur de novo in patients undergoing liver transplantation (LT) for indications other than NAFLD, and it has been increasingly recognized as a complication in the post-LT setting. This study aims to better characterize de novo NAFLD after LT by identifying risk factors for its development, describing incidence and extent of fibrosis, assessing the diagnostic utility of noninvasive serum fibrosis algorithms, and comparing survival to those without NAFLD. This was a retrospective single-center analysis of de novo NAFLD in a post-LT cohort. Those whose primary indication for LT was nonalcoholic steatohepatitis (NASH) were excluded. Risk factors were analyzed by univariate and multivariate analyses. De novo NAFLD and fibrosis were assessed on posttransplant liver biopsies, and noninvasive fibrosis scores were calculated from concomitant blood tests. After applying the exclusion criteria, 430 for-cause post-LT biopsies were evaluated; 33.3% (n = 143) had evidence of de novo steatosis and/or NASH at a median of 3.0 years after transplant. On multivariate analysis, body mass index (BMI; odds ratio [OR], 1.12; P < 0.001), diabetes mellitus (OR, 3.01; P = 0.002), hepatitis C virus (OR, 4.61; P < 0.001), weight gain (OR, 1.03; P = 0.007), and sirolimus use (OR, 3.11; P = 0.02) were predictive of de novo NAFLD after LT. Significant fibrosis (≥F2) was present in almost 40% of the cohort. Noninvasive serum fibrosis scores were not useful diagnostic tests. There was no significant difference in the short-term or longterm survival of patients who developed de novo NAFLD. In conclusion, diabetes, BMI, weight gain after LT, and sirolimus-based immunosuppression, in keeping with insulin resistance, were the only modifiable factors associated with development of de novo NAFLD. A significant proportion of patients with de novo NAFLD had fibrosis and given the limited utility of noninvasive serum fibrosis algorithms, alternative noninvasive tools are required to screen for fibrosis in this population. There was no significant difference in the short-term or longterm survival of patients who developed de novo NAFLD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,833

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLiver TransplantationMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207