A290 ILLICIT SUBSTANCE USE AND ITS IMPACT ON ALCOHOL-ASSOCIATED HEPATITIS IN LATIN AMERICA
Notice bibliographique
Résumé
Abstract Background Concomitant substance use is frequent among patients with alcohol use disorder (AUD), but its impact on alcohol-associated hepatitis (AH) is unknown. Aims To assess the prevalence and impact of substance use in patients hospitalized for AH in a multinational cohort in Latin America. Methods Multicenter prospective cohort study including patients with AH between 2015-2022. We recorded sociodemographic and clinical information, including data on alcohol and drug use. We assessed the impact of substance consumption using competing-risk models. Results We included 405 patients from 24 centers in 8 countries (Argentina, Bolivia, Brazil, Chile, Colombia, Ecuador, Mexico, and Peru). The mean age was 49.6±12.2 years, 345 (85.4%) were men, 210 (57.5%) had a previous diagnosis of cirrhosis, and the median MELD at diagnosis was 25 [20–31] points. Around 74% of patients fulfilled ACLF criteria (ACLF-1: 11.1%, ACLF-2: 11.6%, ACLF-3: 49.6%). A total of 82 (20.3%) reported active substance use, while 22 (5.4%) were former substance users. The most common drugs used at admission were marijuana (11.1%), cocaine (10.4%), methamphetamine (4.4%), and heroin (0.5%). Out of the total, 35.7% died, and only 2.5% underwent liver transplantation during follow-up. Active substance use was higher in younger patients (users 44.4±16.1 years vs. non-users 51.0±10.6 years; pampersand:003C0.001) and in men compared to women (22.0% vs 10.2%, p=0.036). In a competing-risk model adjusted by age, sex, history of cirrhosis, MELD, and ACLF grade, active substance use was independently associated with mortality (subdistribution Hazard Ratio [sHR] 1.53, 95%CI:1.01–2.32; p=0.043). Also, active cocaine (sHR 1.69, 95%CI:1.07–2.70; p=0.025) and marijuana use (sHR 1.83, 95%CI:1.11–3.04; p=0.018) were independently associated with mortality in adjusted competing-risk analyses. Conclusions Active drug use is common in AH patients. Marijuana and cocaine were the most frequent substances and were independently associated with increased mortality. Substance use should be screened in patients with AUD, and integrated management with addiction specialists and psychiatrists could impact survival in AH. Funding Agencies None
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».