A Comprehensive Review of Liver Allograft Fibrosis and Steatosis: From Cause to Diagnosis
Notice bibliographique
Résumé
Despite advances in posttransplant care, long-term outcomes for liver transplant recipients remain unchanged. Approximately 25% of recipients will advance to graft cirrhosis and require retransplantation. Graft fibrosis progresses in the context of de novo or recurrent disease. Recurrent hepatitis C virus infection was previously the most important cause of graft failure but is now curable in the majority of patients. However, with an increasing prevalence of obesity and diabetes and nonalcoholic fatty liver disease as the most rapidly increasing indication for liver transplantation, metabolic dysfunction-associated liver injury is anticipated to become an important cause of graft fibrosis alongside alloimmune hepatitis and alcoholic liver disease. To better understand the landscape of the graft fibrosis literature, we summarize the associated epidemiology, cause, potential mechanisms, diagnosis, and complications. We additionally highlight the need for better noninvasive methods to ameliorate the management of graft fibrosis. Some examples include leveraging the microbiome, genetic, and machine learning methods to address these limitations. Overall, graft fibrosis is routinely seen by transplant clinicians, but it requires a better understanding of its underlying biology and contributors that can help inform diagnostic and therapeutic practices.
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) | 0,002 | 0,001 |
| 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 ».