Diagnosis of Chronic Hepatitis B Pericomplication: Risk factors and Trends Over Time
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Hepatitis B virus (HBV) is a major cause of chronic liver disease, which can progress to cirrhosis, hepatocellular carcinoma, and death. A timely diagnosis allows for antiviral treatment, which can prevent liver-related complications. Conversely, a late diagnosis signals a missed opportunity for earlier care and treatment. Our objective was to measure the proportion of chronic HBV diagnoses that are made within 6 months of presentation with a liver disease-related complication and examine associated factors and trends over time. APPROACH AND RESULTS: We used provincial laboratory data to identify patients with chronic HBV diagnosed from 2003 to 2014. We measured the proportion who experienced a liver disease complication (decompensated cirrhosis, hepatocellular carcinoma, or liver transplant) within ±6 months of their HBV diagnosis date. A multivariable logistic regression model was used to identify factors associated with HBV diagnosis pericomplication. Of 18,434 patients with chronic HBV, 1,279 (6.9%) developed an HBV-related complication during the follow-up period. Among these, 570 (44.6%) had a first diagnosis pericomplication. HBV diagnosis pericomplication did not decrease over time and was independently associated with older age at HBV diagnosis, rural residence, alcohol use, and moderate to high levels of comorbidity. Female patients, immigrants, and those with more outpatient physician visits were less likely to have an HBV diagnosis pericomplication. CONCLUSIONS: A high proportion of patients with HBV-related complications are first diagnosed with HBV pericomplication. These signal missed opportunities for earlier detection and treatment. Our findings support expansion of HBV screening.
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 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) | 0,001 | 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) | 0,002 | 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 tête enseignante, 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 ».