Use of non‐invasive diagnostic tools for metabolic dysfunction‐associated steatohepatitis: A qualitative exploration of challenges and barriers
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Non-invasive tests (NITs) are underutilized for diagnosis and risk stratification in metabolic dysfunction-associated steatotic liver disease (MASLD), despite good accuracy. This study aimed to identify challenges and barriers to the use of NITs in clinical practice. METHODS: We conducted a qualitative exploratory study in Germany, Italy, United Kingdom and United States. Phase 1 participants (primary care physicians, hepatologists, diabetologists, researchers, healthcare administrators, payers and patient advocates; n = 29) were interviewed. Phase 2 participants (experts in MASLD; n = 8) took part in a group discussion to validate and expand on Phase 1 findings. Finally, we triangulated perspectives in a hybrid deductive/inductive thematic analysis. RESULTS: Four themes hindering the use of NITs emerged: (1) limited knowledge and awareness; (2) unclear referral pathways for patients affected by liver conditions; (3) uncertainty over the value of NITs in monitoring and managing liver diseases; and (4) challenges justifying system-level reimbursement. Through these themes, participants perceived a stigma associated with liver diseases, and primary care physicians generally lacked awareness, adequate knowledge and skills to use recommended NITs. We identified uncertainties over the results of NITs, specifically to guide lifestyle intervention or to identify patients that should be referred to a specialist. Participants indicated an ongoing need for research and development to improve the prognostic value of NITs and communicating their cost-effectiveness to payers. CONCLUSIONS: This qualitative study suggests that use of NITs for MASLD is limited due to several individual and system-level barriers. Multi-level interventions are likely required to address these barriers.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».