Global burden of disease: acute-on-chronic liver failure, a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Acute-on-chronic liver failure (ACLF) is characterised by acute decompensation of cirrhosis associated with organ failures. We systematically evaluated the geographical variations of ACLF across the world in terms of prevalence, mortality, aetiology of chronic liver disease (CLD), triggers and organ failures. METHODS: We searched EMBASE and PubMed from 3/1/2013 to 7/3/2020 using the ACLF-EASL-CLIF (European Association for the Study of the Liver-Chronic Liver Failure) criteria. Two investigators independently conducted the abstract selection/abstraction of the aetiology of CLD, triggers, organ failures and prevalence/mortality by presence/grade of ACLF. We grouped countries into Europe, East/South Asia and North/South America. We calculated the pooled proportions, evaluated the methodological quality using the Newcastle-Ottawa Scale and statistical heterogeneity, and performed sensitivity analyses. RESULTS: We identified 2369 studies; 30 cohort studies met our inclusion criteria (43 206 patients with ACLF and 140 835 without ACLF). The global prevalence of ACLF among patients admitted with decompensated cirrhosis was 35% (95% CI 33% to 38%), highest in South Asia at 65%. The global 90-day mortality was 58% (95% CI 51% to 64%), highest in South America at 73%. Alcohol was the most frequently reported aetiology of underlying CLD (45%, 95% CI 41 to 50). Infection was the most frequent trigger (35%) and kidney dysfunction the most common organ failure (49%). Sensitivity analyses showed regional estimates grossly unchanged for high-quality studies. Type of design, country health index, underlying CLD and triggers explained the variation in estimates. CONCLUSIONS: The global prevalence and mortality of ACLF are high. Region-specific variations could be explained by the type of triggers/aetiology of CLD or grade. Health systems will need to tailor early recognition and treatment of ACLF based on region-specific data.
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 | 0,014 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,027 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».