Postmortem survey of haemoglobin A1c, non-alcoholic steatohepatitis and liver fibrosis within a general population
Notice bibliographique
Résumé
Aims Non-alcoholic steatohepatitis (NASH), fatty liver disease and fibrosis are associated with diabetes mellitus and obesity. Previous autopsy series have reported prevalence of fatty liver disease to be 11%–24%. Recent studies, using imaging and serology, suggest a prevalence of 20%–35%, NASH of 5% and advanced fibrosis of 2%–3%. We examined the prevalence of NASH and liver fibrosis in a general autopsy population. Methods A cross-sectional study of consecutive, adult, medicolegal autopsies over a 1-year period was conducted. Liver sections were scored for fibrosis, inflammation and steatosis using a modified NASH scoring system. Stepwise logistic regression was used to identify associations between NASH or moderate/severe fibrosis and several clinicopathological parameters, including postmortem haemoglobin A1c (HbA1c). Results Of 376 cases, 86 (22.9%) were classified as NASH. Prevalence of diabetes mellitus, body mass index (BMI) and postmortem HbA1c were significantly higher in NASH cases (39.5%, 32.3 kg/m 2 and 6.88%) than non-NASH cases (12.1%, 27.0 kg/m 2 and 5.73%). Decedents with moderate/severe fibrosis (6.9%) had higher prevalence of diabetes, BMI and HbA1c (50%, 31.4 kg/m 2 and 6.7%) compared with those with no/mild fibrosis (16%, 28 kg/m 2 and 5.9%). HbA1c ≥7% was found to be an independent predictor of NASH (OR 5.11, 95% CI 2.61 to 9.98) and advanced fibrosis (OR 3.94, 95% CI 1.63 to 9.53). Conclusions NASH and advanced fibrosis were higher in our general adult autopsy population compared with previously published estimates. This is a large series with histological evaluation showing that HbA1c >7.0% is independently associated with NASH and advanced fibrosis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».