A302 NON-INVASIVE BIOMARKERS PREDICTING THE PROGRESSION OF MASLD TO ADVANCED FIBROSIS: A PROSPECTIVE COHORT STUDY
Notice bibliographique
Résumé
Abstract Background Metabolic dysfunction-associated steatotic liver disease (MASLD) affects around 30% of the global population and is one of the most prevalent non-communicable diseases. Due to its high prevalence, it is becoming the most common cause of liver-related mortality in all populations worldwide. Current standards of care for the treatment of MASLD encompass mostly lifestyle measures that are nonspecific and difficult for clinicians to ensure compliance. Although not all patients with MASLD progress to more advanced disease, the high prevalence of MASLD in the general population means the absolute number of “at risk” individuals are substantial and places a significant burden on the healthcare system. As a result, MASLD is currently viewed as a heterogeneous disease with varying rates of disease progression. Aims We aim to elucidate the predictors of disease progression in MASLD to develop and guide interventions while the disease is reversible. Methods Prospective chart review on patients seen in MASLD clinic at LHSC on CERNER from Sept. 2021 – Apr. 30, 2023. A REDCap database was constructed pertaining to a) basic patient information b) basic medical history c) patient lifestyle habits d) InBody bioimpedance analysis if available f) laboratory data g) elastography, including liver stiffness measurement (LSM) and controlled attenuation parameter (CAP). Collected data were exported into a spreadsheet to allow for analysis. IBM SPSS was used to analyze descriptive statistics and regression analyses. Results A total of 116 encounters were reviewed, including both enrolment and follow-ups. HbA1c percent is positively correlated with LSM (r=0.28, pampersand:003C0.05). The longer that the patient has been diagnosed with NAFLD (current age minus age of initial diagnosis), the more likely the patient has higher LSM scores (r= 0.23, pampersand:003C0.05). Platelet levels are negatively correlated with LSM (r=-0.28, pampersand:003C0.05). There is no difference between cannabis users and non-users in the degree of CAP or LSM. Only n=15 InBody bioimpedance analyses were included; preliminary results showed Trunk Reactance at 250kHz is correlated with LSM with (r=0.593 pampersand:003C0.05). Conclusions Patients with higher HbA1c, lower platelets and longer duration of disease are at higher risk for developing advanced fibrosis. This can allow the development of a better predictive model to find F2-F3 patients without using FibroScan or a liver biopsy, which is helpful in the primary care setting, given the prevalence of MASLD. InBody bioimpedance studies are a useful tool to predict LSM, although more data is needed to ensure the correlation is sufficiently powered. Phenotyping patients would lead to more accurate prognostication, facilitate better monitoring to prevent decompensation and allow for the development of precision-based, personalized management plans. 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 | 0,001 |
| 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 ».