Does NAFLD Fibrosis Score predict mortality risk among MAFLD patients?: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Metabolic dysfunction-Associated Fatty Liver Disease (MAFLD) is a prevalent liver disease affecting 1 million people and projected to be the leading cause of liver transplantation in 2030 due to its progression of liver fibrosis. Several non-invasive scoring systems have been established to predict advanced fibrosis among MAFLD patients, namely NAFLD Fibrosis Score (NFS). Whether its performance remains useful in determining mortality risk in the MAFLD population is less clear. This study was aimed to assess the usefulness of NFS to predict mortality risk among MAFLD patients.Method: A systematic search was conducted on Pubmed, ProQuest, and ScienceDirect from inception to February 28, 2021. All studies that met the inclusion criteria investigating MAFLD patients diagnosed with biopsy or non-biopsy were included. Bias risk was assessed using The Newcastle-Ottawa Scale. The outcome was mortality risk. We used a random-effects model, and data were pooled to determine the risk ratio (RR) and its 95% CI. Meta-analysis was conducted using Review Manager 5.3.Result: 9 cohort studies comprising 21,041 MAFLD patients were included. The risk of bias was found to be low. Pooled analysis showed that high NFS (>0.676) was significantly associated with increased mortality (RR=3.14; 95%CI=2.35-4.19; p<0.0; I2=89%). The finding was more prominent in the biopsy-proven MAFLD subgroup (RR=3.75; 95%CI=2.20-6.38; p<0.00).Conclusion: High NFS is associated with an increased risk of death in MAFLD patients.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,009 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».