Accuracy of blood-based biomarkers for staging liver fibrosis in chronic liver disease: A systematic review supporting the AASLD Practice Guideline
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Blood-based biomarkers have been proposed as an alternative to liver biopsy for noninvasive liver disease assessment in chronic liver disease. Our aims for this systematic review were to evaluate the diagnostic utility of selected blood-based tests either alone, or in combination, for identifying significant fibrosis (F2-4), advanced fibrosis (F3-4), and cirrhosis (F4), as compared to biopsy in chronic liver disease. APPROACH AND RESULTS: We included a comprehensive search of databases including Ovid MEDLINE(R), EMBASE, Cochrane Database, and Scopus through to April 2022. Two independent reviewers selected 286 studies with 103,162 patients. The most frequently identified studies included the simple aspartate aminotransferase-to-platelet ratio index and fibrosis (FIB)-4 markers (with low-to-moderate risk of bias) in HBV and HCV, HIV-HCV/HBV coinfection, and NAFLD. Positive (LR+) and negative (LR-) likelihood ratios across direct and indirect biomarker tests for HCV and HBV for F2-4, F3-4, or F4 were 1.66-6.25 and 0.23-0.80, 1.89-5.24 and 0.12-0.64, and 1.32-7.15 and 0.15-0.86, respectively; LR+ and LR- for NAFLD F2-4, F3-4, and F4 were 2.65-3.37 and 0.37-0.39, 2.25-6.76 and 0.07-0.87, and 3.90 and 0.15, respectively. Overall, the proportional odds ratio indicated FIB-4 <1.45 was better than aspartate aminotransferase-to-platelet ratio index <0.5 for F2-4. FIB-4 >3.25 was also better than aspartate aminotransferase-to-platelet ratio index >1.5 for F3-4 and F4. There was limited data for combined tests. CONCLUSIONS: Blood-based biomarkers are associated with small-to-moderate change in pretest probability for diagnosing F2-4, F3-4, and F4 in viral hepatitis, HIV-HCV coinfection, and NAFLD, with limited comparative or combination studies for other chronic liver diseases.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».