Diagnosis of esophageal varices by liver stiffness and serum biomarkers in virus-related compensated advanced chronic liver disease
Notice bibliographique
Résumé
Background: Individuals infected with hepatitis B (HBV), hepatitis C (HCV), and human immunodeficiency (HIV) viruses can experience compensated advanced chronic liver disease (cACLD) leading to esophageal varices (EV). In patients at low risk of esophageal varices needing treatment (EVNT), non-invasive criteria based on liver stiffness measurement (LSM) with platelets, or fibrosis biomarkers, may avoid unnecessary screening esophagogastroduodenoscopies (EGD). These approaches have not been compared among people infected with HIV, HBV, and HCV patients. Methods: Patients with a diagnosis of cACLD (LSM ≥10 kPa) and EGD availability were included from two cohorts. Baveno VI and expanded Baveno VI criteria (based on LSM and platelets), fibrosis biomarkers Fibrosis-4 Index (FIB-4), AST-to-Platelets Ratio Index (APRI), AST-to-ALT ratio (AAR), and RESIST criteria (based on platelets and albumin) were applied to determine the proportion of spared EGD and of missed EVNT. Results: Three hundred fifty three patients (30.6% with HIV, 25.3% monoinfected with HBV, and 44.1% with HCV) were included. The prevalence of EVNT was 8.2%. Both Baveno VI and expanded Baveno VI criteria performed well in patients with virus-related cACLD, by sparing 26.1% and 51.6% EGD, respectively, while missing <2% EVNT. The proportion of spared EGD were 48.2%, 58%, and 24.3% by FIB-4 (<2.78), APRI (<1.1), and AAR (<0.75), respectively, while missing <3% EVNT. RESIST criteria spared 47.8% EGD while missing 1.9% EVNT. Conclusions: Non-invasive criteria based on LSM can spare unnecessary EGD in virus-related cACLD. Simple fibrosis biomarkers can ameliorate resource utilization for EVNT screening in low resource 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».