Novel Biomarkers of Hepatitis B Virus and Their Use in Chronic Hepatitis B Patient Management
Notice bibliographique
Résumé
Even though an approved vaccine for hepatitis B virus (HBV) is available and widely used, over 257 million individuals worldwide are living with chronic hepatitis B (CHB) who require monitoring of treatment response, viral activity, and disease progression to reduce their risk of HBV-related liver disease. There is currently a lack of predictive markers to guide clinical management and to allow treatment cessation with reduced risk of viral reactivation. Novel HBV biomarkers are in development in an effort to improve the management of people living with CHB, to predict disease outcomes of CHB, and further understand the natural history of HBV. This review focuses on novel HBV biomarkers and their use in the clinical setting, including the description of and methodology for quantification of serum HBV RNA, hepatitis B core-related antigen (HBcrAg), quantitative hepatitis B surface antigen (qHBsAg), including ultrasensitive HBsAg detection, quantitative anti-hepatitis B core antigen (qAHBc), and detection of HBV nucleic acid-related antigen (HBV-NRAg). The utility of these biomarkers in treatment-naïve and treated CHB patients in several clinical situations is further discussed. Novel HBV biomarkers have been observed to provide critical clinical information and show promise for improving patient management and our understanding of the natural history of HBV.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».