Non-Invasive Reliable Methods to Objectify the Positive Influence of Hepatitis C Virus Treatment on Liver Stiffness
Notice bibliographique
Résumé
BACKGROUND: Chronic active hepatitis C virus (HCV) infection is a major public health problem and causes liver fibrosis (LF) up to liver cirrhosis (LC). LF can be estimated by non-invasive, easy handling methods. With implementation of new HCV therapies, elimination rates of HCV are near 100%, resulting in less clinical complications and costs. The aim of our study was to evaluate the positive influence of HCV treatment on liver stiffness by non-invasive assessments of LF. METHODS: Sixty-two patients with HCV were treated with antiviral drug regimes. Serological fibrosis scores and ultrasound elastography (acoustic radiation force impulse and shear wave elasticity imaging (ARFI-SWEI)) were used for LF assessment on day 0 and 6 months after therapy. RESULTS: Antiviral treatment was successful in all cases. ARFI-SWEI measurements showed an improvement of all LF stages. Results of serological markers and scores were heterogeneous. Significant positive effects of treatment were seen for aspartate aminotransferase-to-platelet ratio index (APRI) and fibrosis-4 (FIB-4) scores, only. Further Pearson's coefficient showed moderate till very high correlations for ARFI-SWEI and FIB-4/APRI scores. CONCLUSION: Today HCV therapy is able to cure HCV. Positive influences are improvement of LF stages. ARFI-SWEI, APRI and FIB-4 score are useful, easy handling tools to verify positive influence of HCV treatment on LF alone or in combination.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».