S1486 Impact of Obesity on Liver Fibrosis and Steatosis in Patients Diagnosed With Methotrexate-Associated Liver Injury: A Retrospective Study
Notice bibliographique
Résumé
Introduction: Methotrexate (MTX) is commonly used to treat different rheumatologic, dermatologic and oncologic diseases. The correlation between obesity, a known risk factor for nonalcoholic fatty liver disease (NAFLD), and MTX-associated liver toxicity remains unclear. The aim of this study is to investigate the impact of obesity as a risk factor for increased liver fibrosis and steatosis in patients treated with MTX. Methods: We retrospectively reviewed the charts of patients seen at our hepatology clinic between January 2016 and 2021 for MTX-induced liver injury. Data regarding baseline characteristics, body mass index (BMI) and elastography results including liver stiffness measurement (LSM) and controlled attenuation parameter (CAP) were collected. The cutoff used for LSM and CAP were 13 kPa and 250 dB/m, respectively. Results: Thirty-five patients with a mean age of 58 years (range 32-74), including 23 females (66%) were included. Median BMI was 32.1 kg/m2 (range 20.5-51.8). Median LSM by elastography was 10.8 kPa and median CAP was 284.7 dB/m. Seven patients diagnosed with MTX- induced liver injury with a CAP ≤ 250 were identified, all of them were non-obese (BMI< 30). 28 (80%) patients had a CAP >250 including 21 (75%) with a BMI ≥30 and 7 (25%) with a BMI < 30 (P < 0.001). 20 (57.1%) individuals had a LSM of ≤13, of those, 11 (55%) were non-obese and 9 (45%) were obese. For a LSM above 13, 12 (80%) were obese (P < 0.05). Conclusion: A positive association exists between obesity and MTX-associated liver injury. Liver fibrosis and steatosis in patients treated with MTX can be a result of underlying obesity/NAFLD, direct effect of MTX or both. Prospective studies are needed to better understand the underlying association (Table 1). Table 1. - The association between CAP and LSM with BMI in patients with MTX-induced liver injury BMI (kg/m2) Total (N = 35) P-value < 30 ≥30 CAP (dB/m) < 0.001 ≤250 7 (100%) 0 (0%) 7 (20%) >250 7 (25%) 21 (75%) 28 (80%) LSM (kpa) 0.016 ≤13 11 (55%) 9 (45%) 20 (57.1%) >13 3 (20%) 12 (80%) 15 (42.9) BMI: Body mass index, LSM: liver stiffness measurement, CAP: controlled attenuation parameter.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».