MétaCan
Menu
Retour à la cohorte
Enregistrement W2913562475 · doi:10.15690/vsp.v17i6.1974

Genetic Aspects of Non-Alcoholic Fatty Liver Disease

2019· article· en· W2913562475 sur OpenAlexaff
Pavel Bogomolov, K. Yu. Kokina, Alexander Yur'evich Mayorov, Ekaterina Е. Mishina

Notice bibliographique

RevueВопросы современной педиатрии · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensNational Defence Medical Centre
Organismes subventionnairesnon disponible
Mots-clésSteatohepatitisFatty liverCirrhosisSteatosisMedicineHepatocellular carcinomaGastroenterologyDiseaseInternal medicineLiver diseaseInsulin resistanceFibrosisObesity

Résumé

récupéré en direct d'OpenAlex

Non-alcoholic fatty liver disease (NAFLD) is the most commonly diagnosed hepatopathy. There is an increase in the incidence of NAFLD in the structure of liver diseases in children and adolescents, which is directly related to the increasing prevalence of obesity. The spectrum of liver tissue changes in NAFLD ranges from benign hepatocellular steatosis to non-alcoholic steatohepatitis (NASH), fibrosis, cirrhosis of the liver, and hepatocellular carcinoma. With the increasing prevalence of NAFLD in children, we can expect an increase in the incidence of adverse outcomes among people of working age. The key problem for NAFLD is the prediction of disease outcomes. In epidemiological and genetic studies, the relationship between the morphological stage of NAFLD and hereditary factors is shown. Currently, there are three genes associated with NAFLD (PNPLA3, TM6SF2, and GCKR), which, together with the genes responsible for insulin resistance, lipid deposition, inflammation and fibrogenesis in hepatocytes, determine the phenotype of fatty liver disease. The article considers the modern understanding of the issues of genetics, development of liver steatosis and progression of NASH. It is expected that this knowledge can transform our risk stratification strategies in patients with NAFLD and help identify new therapeutic goals.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,002

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 Opus0,011
Tête enseignante GPT0,252
Écart entre enseignants0,241 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueВопросы современной педиатрииMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207