Systematic review: Accuracy of the enhanced liver fibrosis test for diagnosing advanced liver fibrosis and cirrhosis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The rising incidence of chronic liver disease (CLD) has increased the need for early recognition. This systematic review assesses the diagnostic accuracy of the enhanced liver fibrosis (ELF) test in cases of advanced fibrosis and cirrhosis due to multiple etiologies in at-risk populations. METHODS: Studies evaluating the ELF accuracy in identifying advanced fibrosis or cirrhosis, defined as METAVIR stage F ≥ 3 and F = 4 or equivalent, in patients with non-alcoholic fatty liver disease (NAFLD), alcohol liver disease (ALD), or viral hepatitis were included. Liver biopsy was used as the reference standard. Medline and Embase databases were searched. The QUADAS-2 tool was used as a framework to assess risk of bias and applicability. The area under the receiver operator curve (AUROC) was extracted as a summary measure of diagnostic accuracy. RESULTS: Thirty-six studies were included: 11 hepatitis C, 4 hepatitis B, 9 NAFLD, 2 ALD, and 10 mixed. The ELF test showed good diagnostic performance in detecting advanced fibrosis in patients with viral hepatitis (AUROC 0.69 to 0.98) and excellent performance in NAFLD (AUROC 0.78 to 0.97) and ALD (AUROC from 0.92 to 0.94). There is also evidence of good diagnostic performance for detecting cirrhosis in patients with viral hepatitis (AUROC 0.63 to 0.99), good performance in NAFLD (AUROC 0.85 to 0.92), and excellent performance in patients with ALD (AUROC 0.93 to 0.94). CONCLUSION: This systematic review supports the use of the ELF test across a range of CLD as a possible alternative to liver biopsy in selected cases.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 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 ».