Combination of FIB-4 with ultrasound surface nodularity or elastography as predictors of histologic advanced liver fibrosis in chronic liver disease
Notice bibliographique
Résumé
Reliable and available non-invasive methods for hepatic fibrosis assessment are important in chronic liver disease (CLD). Our aim was to compare stepwise algorithms combining standard ultrasound with serum markers and transient elastography (TE) for detecting advanced fibrosis (F3-4) and cirrhosis. Retrospective single center study between 2012 and 2018 of CLD patients with biopsy, TE, blood tests, and liver ultrasound parameters of surface nodularity (SN), lobar redistribution, and hepatic vein nodularity. Our cohort included 157 patients (51.6% males), mean age 47.6 years, predominantly non-alcoholic fatty liver disease and viral hepatitis (61%), with F3-4 prevalence of 60.5%. Area under the curve for F3-4 was 0.89 for TE ≥ 9.6 kPa and 0.80 for FIB-4 > 3.25. In multivariate modeling, TE ≥ 9.6 kPa (OR 21.78) and SN (OR 3.81) had independent association with F3-4; SN (OR 5.89) and TE ≥ 10.2 kPa (OR 15.73) were independently associated with cirrhosis. Two stepwise approaches included FIB-4 followed by SN or TE; sensitivity and specificity of stepwise SN were 0.65 and 1.00, and 0.89 and 0.33 for TE ≥ 9.6 kPa, respectively. Ultrasound SN and TE were independently predictive of F3-4 and cirrhosis in our cohort. FIB-4 followed by SN had high specificity for F3-4.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».