Burden of nonalcoholic fatty liver disease in Canada, 2019–2030: a modelling study
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: Nonalcoholic fatty liver disease (NAFLD) and nonalcoholic steatohepatitis (NASH) account for a growing proportion of liver disease cases, and there is a need to better understand future disease burden. We used a modelling framework to forecast the burden of disease of NAFLD and NASH for Canada. METHODS: We used a Markov model to forecast fibrosis progression from stage F0 (no fibrosis) to stage F4 (compensated cirrhosis) and subsequent progression to decompensated cirrhosis, hepatocellular carcinoma, liver transplantation and liver-related death among Canadians with NAFLD from 2019 to 2030. We used historical trends for obesity prevalence among adults to estimate longitudinal changes in the number of incident NAFLD cases. RESULTS: The model projected that the number of NAFLD cases would increase by 20% between 2019 and 2030, from an estimated 7 757 000 cases to 9 305 000 cases. Increases in advanced fibrosis cases were relatively greater, as the number of model-estimated prevalent stage F3 cases would increase by 65%, to 357 000, and that of prevalent stage F4 cases would increase by 95%, to 195 000. Estimated incident cases of hepatocellular carcinoma and decompensated cirrhosis would increase by up to 95%, and the number of annual NAFLD-related deaths would double, to 5600. INTERPRETATION: Increasing rates of obesity translate into increasing NAFLD-related cases of cirrhosis and hepatocellular carcinoma and related mortality. Prevention efforts should be aimed at reducing the incidence of NAFLD and slowing fibrosis progression among those already affected.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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