Velacur ACE outperforms FibroScan CAP for diagnosis of MASLD
Notice bibliographique
Résumé
BACKGROUND: As the prevalence of metabolic dysfunction-associated steatotic liver disease increases, it is imperative to have noninvasive alternatives to liver biopsy. Velacur offers a non-invasive, point-of-care ultrasound-based method for the assessment of liver stiffness and attenuation. The aim of this study was to perform a head-to-head comparison of liver stiffness and liver fat determined by Velacur and FibroScan using MRI-based measurements as the reference standard. METHODS: This prospective cross-sectional study included 164 adult participants with well-characterized metabolic dysfunction-associated steatotic liver disease. Patients underwent a research exam including Velacur, FibroScan and contemporaneous magnetic resonance elastography, and magnetic resonance imaging proton density fat fraction (MRI-PDFF) scans. The primary outcome was the presence of advanced fibrosis (>F2) as measured by magnetic resonance elastography and the presence of liver fat (>5%) as measured by MRI-PDFF. RESULTS: The mean age and body mass index were 57±12 years and 30.6±4.8 kg/m2, respectively. The mean liver stiffness on magnetic resonance elastography was 3.22±1.39 kPa and the mean liver fat on MRI-PDFF was 14.2±8%. The liver stiffness assessments by Velacur and FibroScan were similar for the detection of advanced fibrosis (AUC 0.95 vs. 0.97) and were not statistically different (p=0.43). Velacur was significantly better than FibroScan (AUC 0.94 vs. 0.79, p=0.01), for the detection of MRI-PDFF >5% (diagnosis of metabolic dysfunction-associated liver disease). CONCLUSIONS: Velacur was superior to FibroScan for liver fat detection with MRI-PDFF as the reference. Velacur and FibroScan were not statistically different for liver stiffness assessment as defined by magnetic resonance elastography.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».