A global action agenda for turning the tide on fatty liver disease
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Fatty liver disease is a major public health threat due to its very high prevalence and related morbidity and mortality. Focused and dedicated interventions are urgently needed to target disease prevention, treatment, and care. APPROACH AND RESULTS: We developed an aligned, prioritized action agenda for the global fatty liver disease community of practice. Following a Delphi methodology over 2 rounds, a large panel (R1 n = 344, R2 n = 288) reviewed the action priorities using Qualtrics XM, indicating agreement using a 4-point Likert-scale and providing written feedback. Priorities were revised between rounds, and in R2, panelists also ranked the priorities within 6 domains: epidemiology, treatment and care, models of care, education and awareness, patient and community perspectives, and leadership and public health policy. The consensus fatty liver disease action agenda encompasses 29 priorities. In R2, the mean percentage of "agree" responses was 82.4%, with all individual priorities having at least a super-majority of agreement (> 66.7% "agree"). The highest-ranked action priorities included collaboration between liver specialists and primary care doctors on early diagnosis, action to address the needs of people living with multiple morbidities, and the incorporation of fatty liver disease into relevant non-communicable disease strategies and guidance. CONCLUSIONS: This consensus-driven multidisciplinary fatty liver disease action agenda developed by care providers, clinical researchers, and public health and policy experts provides a path to reduce the prevalence of fatty liver disease and improve health outcomes. To implement this agenda, concerted efforts will be needed at the global, regional, and national levels.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».