Impact of Hepatitis B Virus Infection, Non-alcoholic Fatty Liver Disease, and Hepatitis C Virus Co-infection on Liver-Related Death among People Tested for Hepatitis B Virus in British Columbia: Results from a Large Longitudinal Population-Based Cohort Study
Notice bibliographique
Résumé
Data on the contribution of hepatitis B virus (HBV) infection and related comorbidities to liver-related mortality in Canada are limited. We assessed the concurrent impact of HBV infection, non-alcoholic fatty liver disease (NAFLD), and hepatitis C virus (HCV) coinfection on liver-related deaths in British Columbia (BC), Canada. We used data from the BC Hepatitis Testers Cohort (BC-HTC). We used Fine-Gray multivariable sub-distributional hazards models to assess the effect of HBV, NAFLD, and HCV coinfection on liver-related mortality, while adjusting for confounders and competing mortality risks. The liver-related mortality rate was higher among people with HBV infection than those without (2.57 per 1000 PYs (95%CI: 2.46, 2.69) vs. 0.62 per 1000 PYs (95%CI: 0.61, 0.64), respectively). Compared with the HBV negative groups, HBV infection was associated with increased liver-related mortality risk in almost all of the subgroups: HBV mono-infection (adjusted subdistribution hazards ratio (asHR) of 3.35, 95% CI 3.16, 3.55), NAFLD with HBV infection, (asHR 12.5, 95% CI 7.08, 22.07), and HBV/HCV coinfection (asHR 8.4, 95% CI 7.62, 9.26). HBV infection is associated with a higher risk of liver-related mortality, and has a greater relative impact on people with NAFLD and those with HCV coinfection. The diagnosis and treatment of viral and fatty liver disease are required to mitigate liver-related morbidity and mortality.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».