Impact of nomenclature as metabolic associated steatotic liver disease on steatotic liver disease prevalence and screening: a prospective population survey in Asians
Notice bibliographique
Résumé
BACKGROUND AND AIM: The introduction of the latest nomenclature, metabolic associated steatotic liver disease (MASLD), proposed by the multi-society without Asian society consensus statement, aims to redefine the diagnostic criteria for metabolic associated fatty liver disease (MAFLD). However, its effect on the epidemiology in Asia remains unclear. METHOD: We conducted a population-based cross-sectional survey on fatty liver disease using multistage stratified random sampling of participants from Guangzhou, a representative area in China (ChiCTR2000033376). Demographic, socioeconomic, lifestyle, and laboratory data were collected. Hepatic steatosis and the severity of fibrosis were assessed using FibroScan. RESULTS: A total of 7388 individuals were recruited, the proportion of which meeting the definitions for nonalcoholic fatty liver disease (NAFLD), MAFLD, and MASLD were 2359 (31.9%), 2666 (36.1%), and 2240 (30.3%), respectively. One hundred and twenty (1.6%) patients had cryptogenic SLD, and 537 (7.3%) patients were diagnosed with MetALD. MASLD did not significantly differ from NAFLD and MAFLD, except that MAFLD patients had a lower proportion of males, hypertension, and diabetes and were less likely to consume tea (P < 0.05). Both cryptogenic SLD and MASLD non-MAFLD patients exhibited milder hepatic steatosis and a lower frequency of liver injury than NAFLD, MAFLD, or MASLD patients (all P < 0.05). An increased HOMA-IR (adjusted OR: 1.33, 95% CI: 1.10-2.03) was associated with higher risk of moderate-to-severe steatosis for MASLD non-MAFLD patients, while consuming more cups of tea (P for trend = 0.015) showed inverse associations. CONCLUSION: Irrespective of terminology used is that fatty liver disease is highly prevalent in the Han Chinese population. Differences in insulin resistance and lifestyle risk factors are associated with redefinition disparities.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».