Non-Invasive Assessment of Liver Fibrosis and Steatosis in End-Stage Renal Disease Patients Undergoing Renal Transplant Evaluation
Notice bibliographique
Résumé
BACKGROUND: Non-alcoholic fatty liver disease (NAFLD) has an increased prevalence in end-stage renal disease (ESRD) due to similar risk factors. The aim of this study was to assess non-invasive testing including transient elastography (TE) for liver stiffness (LS), controlled attenuated parameter (CAP) for steatosis, Fibrosis-4 (FIB-4) score, aspartate aminotransferase (AST) to platelet ratio index (APRI) and NAFLD fibrosis score (NFS), for evaluation of NAFLD along with advanced fibrosis (AF) in patients with ESRD undergoing renal transplant evaluation. METHODS: Data were retrospectively collected within 12 weeks of TE. Primary outcomes were AF, defined by LS ≥ 9 kPa compared to APRI > 1.5, FIB-4 > 2.67, and NFS of 0.675, and ≥ 5% steatosis by CAP ≥ 263 dB/m compared to liver histology when available. RESULTS: A total of 171 patients were evaluated: mean age 56, 65% male, 36% obese, 47% had diabetes, 96% hypertension, and 56% dyslipidemia. Mean LS was 6.5 kPa with 21% having AF. Mean CAP was 232 dB/m, with 25% having steatosis. Those with AF were older with higher NFS. Those with steatosis were obese and had diabetes without higher LS or fibrosis scores. Only NFS was associated with LS ≥ 9 kPa. In those with liver histology, AF was associated with LS ≥ 9 kPa but not with APRI, FIB-4, or NFS. CONCLUSIONS: Despite normal liver enzymes, non-invasive assessment via TE in ESRD patients exhibited high prevalence of AF and steatosis not detected by APRI or FIB-4 scores. This high prevalence was secondary to the common risk factors such as obesity and diabetes, among patients with NAFLD and ESRD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».