Exploring autoantibodies as predictors of severe fibrosis or cirrhosis in metabolic dysfunction associated with steatotic liver disease
Notice bibliographique
Résumé
Background: Metabolic dysfunction associated steatotic liver disease (MASLD) and metabolic dysfunction associated steatohepatitis (MASH) are rapidly growing public health concerns. Identifying predictive markers for advanced liver disease in MASLD patients is crucial for early intervention. This study investigates the association between autoantibody positivity and risk for severe fibrosis or cirrhosis across various subgroups. Methods: We conducted a retrospective study of adult patients diagnosed with MASLD between 1994 and 2019. Autoantibody status (anti-nuclear and anti-smooth muscle antibodies) was assessed using laboratory studies. Hepatic fibrosis or cirrhosis was determined histologically or through accepted non-invasive measures. Logistic regression analyses were employed to evaluate the association between autoantibody positivity and severe fibrosis or cirrhosis. Patients with comorbid viral and alcohol liver disease were assessed separately. Results: Among 2,749 MASLD patients, 1,425 (51.8%) were male and 1,324 (48.2%) were female, with a mean age of 58.7 years. A total of 541 (19.7%) patients tested positive for autoantibodies. Autoantibody positivity was associated with a higher risk of severe fibrosis or cirrhosis in MASLD patients (odds ratio 1.28, 95% CI [1.0-1.6]). This association persisted across various subgroups, including those with concurrent hepatitis B and C virus infections. In contrast, in alcohol liver disease, autoantibody-positive patients exhibited a lower risk. Conclusion: Autoantibody positivity emerges as a potential predictive marker for advanced liver disease in MASLD patients, facilitating risk stratification and tailored interventions. This study highlights the clinical relevance of autoantibodies in MASLD and underscores the need for prospective validation and mechanistic investigations to refine risk assessment and management strategies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».