Race and Ethnicity in Non-Alcoholic Fatty Liver Disease (NAFLD): A Narrative Review
Notice bibliographique
Résumé
Non-alcoholic fatty liver disease (NAFLD) is a significant public health concern worldwide with a complex etiology attributed to behavioural, environmental, and genetic causes. The worldwide prevalence of NAFLD is estimated to be 32.4% and constantly rising. Global data, however, indicate considerable heterogeneity among studies for both NAFLD prevalence and incidence. Identifying variables that affect the estimated epidemiological measures is essential to all stakeholders, including patients, researchers, healthcare providers, and policymakers. Besides helping with the research on disease etiology, it helps to identify individuals at risk of the disease, which in turn will outline the focus of the preventive measures and help to fittingly tailor individualized treatments, targeted prevention, screening, or treatment programs. Several studies suggest differences in the prevalence and severity of NAFLD by race or ethnicity, which may be linked to differences in lifestyle, diet, metabolic comorbidity profile, and genetic background, among others. Race/ethnicity research is essential as it can provide valuable information regarding biological and genetic differences among people with similar cultural, dietary, and geographical backgrounds. In this review, we examined the existing literature on race/ethnicity differences in susceptibility to NAFLD and discussed the contributing variables to such differences, including diet and physical activity, the comorbidity profile, and genetic susceptibility. We also reviewed the limitations of race/ethnicity studies in NAFLD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,000 | 0,001 |
| 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 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 ».