Clinical prediction score of nonalcoholic fatty liver disease in adolescent girls with polycystic ovary syndrome (PCOS‐HS index)
Notice bibliographique
Résumé
OBJECTIVE: Nonalcoholic fatty liver disease (NAFLD) is common in obese adolescents with polycystic ovary syndrome (PCOS), but there are no inexpensive ways to accurately identify NAFLD in PCOS. The objective was to develop a simple clinical score to screen for NAFLD risk in obese adolescents with PCOS. DESIGN: This is a secondary analysis of 3 cross-sectional studies on metabolic characterization of obese adolescents with PCOS. 108 overweight and obese adolescents with PCOS (BMI > 90th percentile, age 12-19 years) were enrolled from 2012 to 2018. METHODS: Magnetic resonance imaging was used to quantify hepatic fat fraction (HFF). A development cohort of 87 girls were divided by presence of NAFLD (HFF > 5.5%). A logistic regression model with the outcome of NAFLD and candidate predictor variables was fit. A simplified model (PCOS-HS index) was created using backwards stepdown elimination. Validation was performed using 200 bootstrapped sample and in a second cohort of 21 PCOS participants. RESULTS: 52% of the development cohort had NAFLD. The PCOS-HS index that included BMI percentile, waist circumference, ALT and SHBG had an AUCROC of 0.81, sensitivity 82%, specificity 69%, negative predictive value (NPV) 78% and positive predictive value 74%, using a threshold of 0.44 to predict HS. A threshold of 0.15 ruled out NAFLD with a NPV 90%. In the validation cohort, the model showed an accuracy of 81%, sensitivity of 91% and specificity of 70%. CONCLUSIONS: We developed a clinical index to identify NAFLD in girls with PCOS who would need further evaluation and treatment.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».