Global burden of metabolic dysfunction-associated steatotic liver disease, 2010 to 2021
Notice bibliographique
Résumé
Background & Aims: This study used the Global Burden of Disease data (2010-2021) to analyze the rates and trends of point prevalence, annual incidence, and years lived with disability (YLDs) for metabolic dysfunction-associated steatotic liver disease (MASLD) in 204 countries. Methods: Total numbers and age-standardized rates per 100,000 population for MASLD prevalence, annual incidence, and YLDs were compared across regions and countries by age, sex, and sociodemographic index (SDI). Smoothing spline models were used to evaluate the relationship between the burden of MASLD and SDI. Estimates were reported with uncertainty intervals (UI). Results: 14,310.6 cases per 100,000 population). Prevalence peaked at ages 45-49 for men and 50-54 for women. Kuwait (32,312.2 cases per 100,000 people; 95% UI: 29,947.1-34,839.0), Egypt (31,668.8 cases per 100,000 people; 95% UI: 29,272.5-34,224.7), and Qatar (31,327.5 cases per 100,000 people; 95% UI: 29,078.5-33,790.9) had the highest prevalence rates in 2021. The largest increases in age-standardized point prevalence estimates from 2010 to 2021 were in China (16.9%, 95% UI 14.7%-18.9%), Sudan (13.3%, 95% UI 9.8%-16.7%) and India (13.2%, 95% UI 12.0%-14.4%). MASLD incidence varied with SDI, peaking at moderate SDI levels. Conclusions: MASLD is a global health concern, with the highest prevalence reported in Kuwait, Egypt, and Qatar. Raising awareness about risk factors and prevention is essential in every country, especially in China, Sudan and India, where disease incidence and prevalence are rapidly increasing. Impact and implications: This research provides a comprehensive analysis of the global burden of MASLD, highlighting its rising prevalence and incidence, particularly in countries with varying sociodemographic indices. The findings are significant for both clinicians and policymakers, as they offer critical insights into the regional disparities in MASLD burden, which can inform targeted prevention and intervention strategies. However, the study's reliance on modeling and available data suggests cautious interpretation, and further research is needed to validate these findings in clinical and real-world settings.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».