MétaCan
Menu
Retour à la cohorte
Enregistrement W3009127834 · doi:10.2174/1381612826666200303114934

Epidemiology of Non-alcoholic Fatty Liver Disease in North America

2020· review· en· W3009127834 sur OpenAlexaboutno aff
Tamoore Arshad, Pegah Golabi, Linda Henry, Zobair M. Younossi

Notice bibliographique

RevueCurrent Pharmaceutical Design · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyMedicineFatty liverCirrhosisNonalcoholic fatty liver diseaseInternal medicineSteatohepatitisPopulationDiseaseHepatocellular carcinomaChronic liver diseaseObesityAlcoholic liver diseaseDiabetes mellitusGastroenterologyEnvironmental healthEndocrinology

Résumé

récupéré en direct d'OpenAlex

Nonalcoholic fatty liver disease (NAFLD) is rapidly becoming the most common cause of chronic liver disease worldwide. This is primarily driven by the global epidemic of obesity and diabetes as well as the aging of the general population. Most of the epidemiology data of NAFLD for North America are published from studies originating in the United States (U.S.). The overall prevalence of NAFLD in the U.S. is estimated to be 24%. Hispanic Americans have a higher prevalence of NAFLD, whereas African Americans have a lower prevalence of NAFLD. The exact contributions of genetic and environmental factors on these differences in the prevalence rates have not been determined. From the spectrum of NAFLD, patients with non-alcoholic steatohepatitis (NASH) are at the highest risk of progression to cirrhosis and hepatocellular carcinoma (HCC). The most recent data regarding the progression of NASH suggest a complex pattern of progression and regression of fibrosis. Factors influencing the progression and regression of NASH have not been fully described. More research is needed to better understand NAFLD in Mexico and Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,334
Tête enseignante GPT0,480
Écart entre enseignants0,146 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations65
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Pharmaceutical DesignMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207