Prevalence and risk factors for liver fibrosis detected by transient elastography or shear wave elastography in inflammatory arthritis: a systematic review.
Notice bibliographique
Résumé
OBJECTIVES: Emerging technologies for monitoring subclinical liver fibrosis include transient elastography (TE) and shear wave elastography (SWE). A systematic review was conducted to assess the prevalence and report on predictors of liver fibrosis as detected by these technologies in inflammatory arthritis (IA) patients, including rheumatoid arthritis, spondyloarthritis and juvenile idiopathic arthritis. METHODS: MEDLINE, EMBASE and Web of Science were searched from inception to 06/27/2016 using search terms for IA or DMARDs and TE/SWE. Studies reporting on prevalence and/or risk factors for liver fibrosis as detected by TE/SWE were included. A meta-analysis was not conducted due to study heterogeneity. RESULTS: Seven cross-sectional and three case-control studies were included. The cut-off values to define liver fibrosis ranged from 5.3-8.6 kPa. The prevalence of liver fibrosis in RA detected by TE/SWE ranged from 3-23%, with higher prevalence found in studies using a 5.3kPa cut-off. In two studies fibrosis was reported in 16-17% of PsA patients with no JIA studies identified. Obesity was the most consistently reported independent predictor of fibrosis in three studies. Liver function tests (LFTs) were found to independently predict increased liver stiffness in one study, while cumulative dose of either methotrexate or leflunomide were predictors in two studies. CONCLUSIONS: Methotrexate or leflunomide cumulative dose was not consistently reported as an independent predictor of liver fibrosis; whereas, obesity was more consistently identified. Of note, LFTs did not consistently predict elevated TE/SWE measures. Further studies are needed to evaluate the prevalence and predictors of liver fibrosis and to explore the utility of using TE/SWE in IA patients.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».