Incidence and Risks for Nonalcoholic Fatty Liver Disease and Steatohepatitis Post-liver Transplant: Systematic Review and Meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The true incidence and unique risk factors for recurrent and de novo nonalcoholic fatty liver (NAFLD) and nonalcoholic steatohepatitis (NASH) post-liver transplant (LT) remain poorly characterized. We aimed to identify the incidence and risk factors for recurrent and de novo NAFLD/NASH post-LT. METHODS: MEDLINE via PubMed, Embase, Scopus, and CINAHL were searched for studies from 2000 to 2018. Risk of bias was adjudicated using the Newcastle-Ottawa Scale. RESULTS: Seventeen studies representing 2378 patients were included. All were retrospective analyses of patients with post-LT liver biopsies, with the exception of 2 studies that used imaging for outcome assessment. Seven studies evaluated occurrence of recurrent NAFLD/NASH, 3 evaluated de novo occurrence, and 7 evaluated both recurrent and de novo. In studies at generally high or moderate risk of bias, mean 1-, 3-, and ≥5-year incidence rates may be 59%, 57%, and 82% for recurrent NAFLD; 67%, 40%, and 78% for de novo NAFLD; 53%, 57.4%, and 38% for recurrent NASH; and 13%, 16%, and 17% for de novo NASH. Multivariate analysis demonstrated that post-LT body mass index (summarized odds ratio = 1.27) and hyperlipidemia were the most consistent predictors of outcomes. CONCLUSIONS: There is low confidence in the incidence of recurrent and de novo NAFLD and NASH after LT due to study heterogeneity. Recurrent and de novo NAFLD may occur in over half of recipients as soon as 1 year after LT. NASH recurs in most patients after LT, whereas de novo NASH occurs rarely. NAFLD/NASH after LT is associated with metabolic risk factors.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 découle