Improvement of non-invasive tests of liver steatosis and fibrosis as indicators for non-alcoholic fatty liver disease in type 2 diabetes mellitus patients with elevated cardiovascular risk profile using the PPAR-α/γ agonist aleglitazar
Dossier post-publication
Source : Retraction Watch, jointe par DOI. OpenAlex consigne la rétractation dans is_retracted, un booléen sur un espace d'états à au moins quatre valeurs ; il ne peut donc exprimer ni une expression de préoccupation, ni une correction, ni un rétablissement, et les rapporte comme false, ce qui se lit comme « rien à signaler ».
Notice bibliographique
Résumé
BACKGROUND: Peroxisome proliferator-activated receptor (PPAR) agonists may have favorable outcomes on non-alcoholic fatty liver disease. This study serves as proof of concept to evaluate whether dual PPAR-α/γ agonists improve non-invasive tests of liver steatosis and fibrosis. METHODS: This is a post-hoc analysis of a randomized, double-blind, placebo-controlled, multi-center trial comprising 7226 patients with type 2 diabetes mellitus and recent coronary artery disease randomized to receive aleglitazar, a PPAR-α/γ agonists, or placebo for two years. Main outcomes were change in non-invasive tests for liver steatosis and fibrosis: Liver Fat Score (LFS), Liver Accumulation Product (LAP), Fibrosis-4 (FIB-4), and NAFLD Fibrosis Score (NFS). RESULTS: LFS, LAP and FIB-4 decreased upon treatment, whereas scores in the placebo group remained the same or increased (P<0.001). NFS responded differently but remained consistently lower than placebo. In the treatment group more participants shifted to a lower FIB-4 and NFS category, or improved in respect to the LAP cut-off values compared to the placebo group (P<0.001 for FIB-4 and LAP, P<0.004 for NFS). LFS had a low discriminative power in this study. CONCLUSION: This post-hoc analysis showed improvement of non-invasive tests of liver steatosis and fibrosis after starting dual PPAR-α/γ agonist treatment, adding to the evidence that this pathway has potential in non-alcoholic fatty liver disease treatment.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».