The prevalence and disease course of autoimmune liver diseases in Greenland
Notice bibliographique
Résumé
Autoimmune liver diseases are rare serious diseases causing chronic inflammation and fibrosis in the liver parenchyma and bile ducts. Yet, the prevalence and burden of autoimmune liver diseases are largely unexplored in Arctic native populations. We investigated the prevalence and management of autoimmune liver diseases in Greenland using nationwide cross-sectional register data and subsequent medical chart reviews validating diagnoses and extracting liver histology examinations and medical treatments. The overall prevalence of autoimmune liver diseases in Greenland was 24.6 per 100,000 (95% CI: 14.7-41.3). This was based on 7 patients with autoimmune hepatitis (AIH) (12.3 per 100,000), 3 patients with primary biliary cholangitis (PBC) (5.3 per 100,000), 4 patients with AIH/PBC overlap disease (7.0 per 100,000), and no patients with primary sclerosing cholangitis. All diagnoses were confirmed by liver histology examinations. Medical treatments adhered to internal recommendations and induced complete remission in most patients with AIH, and complete or partial remission in 1 patient with PBC and 3 patients with AIH/PBC overlap disease. One patient had established cirrhosis at the time of diagnosis, while 2 patients progressed to cirrhosis. In conclusion, the prevalence of autoimmune liver diseases was lower in Greenland than in Scandinavia and among Alaska Inuit.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».