Telemedicine as an Option for Monitoring Metabolic Dysfunction-Associated Fatty Liver Disease (MAFLD) Patients Facing the COVID-19 Pandemic: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Healthcare visits were reduced during the COVID-19 pandemic, causing disturbances in sustainable MAFLD monitoring. Telemedicine acts to maintain connectivity between patients and healthcare professionals. This review aimed to assess the role of telemedicine in monitoring MAFLD during the pandemic. Databases searched included l PubMed Central and ScienceDirect from 2020 to 2023. Assessment with The Cochrane Risk of Bias for randomized controlled trials (RCTs) and the Newcastle-Ottawa scale for non-RCTs systematic reviews. Meta-analyses employing a random-effect model were performed to determine the pooled mean difference (MD) and p-value. The results showed three RCT and two non-RCT (n = 239) with 56.9% males and a mean age of 51.3 years. The median intervention duration was 5.5 months. The parameters assessed included body weight (BW), body mass index (BMI), waist circumference, liver function (AST/ALT), lipid profile, HbA1c, and others. Meta-analysis revealed that telemedicine had a significant effect on improving outcomes for BW (MD −2.81: 95% CI, −4.11, −1.51, p < 0.0001) and BMI (MD −1.01: 95% CI, −1.47, −0.55, p < 0.0001) compared to standard care, while the AST/ALT levels were not significantly reduced. Some biochemical markers decreased based on the systematic reviews. In conclusion, telemedicine using mobile-based applications could be an option for monitoring lifestyle modification in MAFLD patients facing the COVID-19 pandemic.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,004 |
| 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 | 0,001 |
| 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 ».