Novel prognostic biomarkers in decompensated cirrhosis: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Patients with decompensated cirrhosis experience high mortality rates. Current prognostic scores, including the model for end-stage liver disease (MELD), may underperform in settings other than in those they were initially developed. Novel biomarkers have been proposed to improve prognostication accuracy and even to predict development of complications. METHODS: We performed a systematic review and meta-analysis on novel urine and blood biomarkers and their ability to predict 90-day mortality in patients with decompensated cirrhosis. Secondary outcomes included 28-day and 1-year mortality, and development of acute-on-chronic liver failure, acute kidney injury and other complications. To overcome differences in units, temporal changes in assays and reporting heterogeneity, we used the ratio of means (RoM) as measure of association for assessing strength in predicting outcomes. An RoM>1 implies that the mean biomarker level is higher in those that develop the outcome than in those that do not. RESULTS: Of 6629 unique references, 103 were included, reporting on 29 different biomarkers, with a total of 31 362 biomarker patients. Most studies were prospective cohorts of hospitalised patients (median Child-Pugh-Turcotte score of 9 and MELD score of 18). The pooled 90-day mortality rate was 0.27 (95% CI 0.24 to 0.29). The RoM for predicting 90-day mortality was highest for interleukin 6 (IL-6) (2.56, 95% CI 2.39 to 2.74), followed by urinary neutrophil gelatinase-associated lipocalin (uNGAL) (2.42, 95% CI 2.20 to 2.66) and copeptin (2.33, 95% CI 2.17 to 2.50). These RoMs were all higher than for MELD (1.44, 95% CI 1.42 to 1.46). CONCLUSION: Novel biomarkers, including IL-6, uNGAL and copeptin, can probably improve prognostication of patients with decompensated cirrhosis compared with MELD alone.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».