Prevalence and predictors of nonalcoholic fatty liver disease in South Asian women with polycystic ovary syndrome
Notice bibliographique
Résumé
Abstract Background & Aims: Polycystic ovary disease (PCOS) may be a risk factor for nonalcoholic fatty liver disease (NAFLD) due to common pathogenetic pathways, including insulin resistance and obesity. Both PCOS and NAFLD are more severe in South Asian women. Data on NAFLD in South Asian women with PCOS are lacking.Methods: We investigated prevalence and predictors of NAFLD and liver fibrosis by transient elastography (TE) with associated controlled attenuation parameter (CAP) in PCOS patients from South Asia, through a routine screening program. NAFLD was defined as CAP >288 dB/m. Significant liver fibrosis (stage 2 and higher out of 4) was defined as TE measurement >8.0 kPa. Elevated ALT was defined as ALT >24 IU/L, as per upper limit of normal reported in South Asian women. Hyperandrogenism was defined as free androgen index >5. Predictors of NAFLD were determined by logistic regression analysis.Results: 101 PCOS patients (mean age 36.3 years) with no significant alcohol intake or viral hepatitis were included. Prevalence of NAFLD and significant liver fibrosis was 39.6% and 6.9%, respectively. Elevated ALT was observed in 40.0% and 11.5% of patients with and without NAFLD, respectively. After adjusting for duration of PCOS and insulin resistance measured by HOMA-IR, independent predictors of NAFLD were higher BMI (adjusted odds ratio [aOR] 1.30, 95% CI 1.13-1.52), hyperandrogenism (aOR 5.32, 95% CI 1.56-18.17) and elevated ALT (aOR 3.54, 95% CI 1.10-11.47). Lifetime cardiovascular risk was higher in patients with NAFLD compared to those without NAFLD (0.31+0.11 vs. 0.26+0.13).Conclusions: Despite their young age, NAFLD diagnosed by TE with CAP is a frequent comorbidity in South Asian women with PCOS and is strongly associated with higher BMI and hyperandrogenism. Non-invasive screening strategies could help early diagnosis and initiation of interventions, including counselling on weight loss, cardiovascular risk stratification and linkage to hepatology care where appropriate.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».