Validation of the <scp>Fatty Liver Index</scp> for identifying non‐alcoholic fatty liver disease in a Kenyan population
Notice bibliographique
Résumé
Abstract Background and Aim Fatty Liver Index (FLI) is a simple clinical scoring system estimating non‐alcoholic fatty liver disease (NAFLD). It is validated in European‐descent and Asian populations, but not in sub‐Saharan Africans. The aim of this study is to evaluate the validity of the FLI for predicting NAFLD in a population from Kenya. Methods Participants were recruited from a community‐based study conducted in Kenya. NAFLD was diagnosed using hepatic ultrasonography. Clinical, anthropometrical, biochemical and lifestyle data were obtained. The accuracy and cut‐off point of the FLI to detect NAFLD were evaluated by area under the receiver operator characteristic curve and the maximum Youden index analysis. Results A total of 640 participants (94 with NAFLD) were included. Mean age was 37.4 ± 0.4 years and 58.7% were women. Mean body mass index (BMI) was 22.3 ± 0.2 kg/m 2 and waist circumference (WC) 79.1 ± 0.4 cm. A total of 15 (2.3%) participants were diagnosed with type 2 diabetes and 65 (10.2%) with obesity (BMI ≥ 30 kg/m 2 ). AUROC of FLI for predicting NAFLD was 0.80 (95% CI 0.74–0.85), which was significantly higher compared to individual components gamma‐glutamyl transferase and triglycerides ( p < 0.05), but not compared to anthropometric parameters BMI (AUROC of 0.83, 95% CI 0.79–0.88) and WC (AUROC of 0.81, 95% CI 0.76–0.87). Conclusions FLI is a simple valid scoring system to use in rural and urban Kenyan adults. However, this index might not be superior to BMI or WC to predict NAFLD, and those measurements might therefore be more appropriate in limited settings.
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 | 0,001 |
| 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 ».