Estimation of fibrosis progression rates for chronic hepatitis C: a systematic review and meta-analysis update
Notice bibliographique
Résumé
Objectives Mathematical models are increasingly important in planning for the upcoming chronic hepatitis C (CHC) elimination efforts. Such models require reliable natural history inputs to make accurate predictions on health and economic outcomes. Yet, hepatitis C virus disease progression is known to vary widely in the literature and published inputs are currently outdated. The objectives of this study were to obtain updated estimates of fibrosis progression rates (FPR) in treatment-naïve patients with CHC and to explore sources of heterogeneity.Design A systematic review was conducted using Ovid-MEDLINE, Ovid-EMBASE and PubMed databases (January 1990 to January 2018) to identify observational studies of hepatic fibrosis in treatment-naïve patients with CHC.Outcomes Stage-constant FPRs were estimated for each study given the reported fibrosis scores and duration of infection. Stage-specific FPRs (ie, F0→F1; F1→F2; F2→F3; F3→F4) were estimated using Markov maximum likelihood estimation. Estimates were pooled using random-effects meta-analysis and heterogeneity was evaluated by stratification and random-effects meta-regression.Results The review identified 111 studies involving 131 groups of patients (n=42 693). The pooled stage-constant FPR was 0.094 (95% CI 0.088 to 0.100); stage-specific FPRs were F0→F1: 0.107 (95% CI 0.097 to 0.118); F1→F2: 0.082 (95% CI 0.074 to 0.091); F2→F3: 0.117 (95% CI 0.107 to 0.129); F3→F4: 0.116 (95% CI 0.104 to 0.131). Stratified analysis revealed substantial variation in progression by study population. Meta-regression indicated associations between progression and infection age, duration, source, viral genotype and study population. Findings indicate that FPRs display substantial heterogeneity across study populations and pooled values from more homogenous subpopulations should be considered when estimating prognosis.Conclusions This large meta-analysis presents updated prognostic estimates for CHC derived from newer studies using better diagnostic methods and improves estimates for important patient populations in terms of clinical policy (eg, injection drug users, non-clinical populations, liver clinic patients) and should be a valuable resource for patients, clinicians and clinical policymakers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,047 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,043 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».