Liver function tests in patients with hypertension in primary care: a prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Liver function tests (LFTs) are frequently used to monitor patients with hypertension in UK primary care. Evidence is lacking on whether testing improves outcomes. AIM: To estimate the diagnostic accuracy of LFTs in patients with hypertension and determine downstream consequences of testing. DESIGN & SETTING: Prospective study using the Clinical Practice Research Datalink (CPRD). METHOD: In total, 30 000 patients with hypertension who had LFTs in 2015 were randomly selected from CPRD. The diagnostic accuracy measures for eight LFT analytes and an overall LFT panel were calculated against the reference standard of liver disease. Rates of consultations, blood tests, and referrals within 6 months following testing were measured. RESULTS: The 1-year incidence of liver disease in patients with hypertension was 0.5% (95% confidence interval [CI] = 0.4% to 0.6%). Sensitivity and specificity of an LFT panel were modest: 61.3% (95% CI = 53.1% to 69.0%) and 73.8% (95% CI = 73.1% to 74.3%), respectively. The positive predictive value (PPV) of the eight individual LFT analytes were low ranging from 0.2% to 8.9%. Among patients who did not develop liver disease, mean number of consultations, referrals, and tests were higher in the 6 months following false-positives at 10.5, 0.7 and 29.8, respectively, compared with true-negatives: 8.6, 0.6, and 19.8. CONCLUSION: PPVs of LFTs in primary care were low, with high rates of false-positive results and increased rates of subsequent consultations, referrals, and blood testing. Avoiding LFTs for routine monitoring could potentially reduce patients' anxiety, GP workload, and healthcare costs.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».