Do Risk Factors for HCC Impact the Association of CT/MRI LIRADS Major Features With HCC? An Individual Participant Data Meta-Analysis
Notice bibliographique
Résumé
Background: Guidelines suggest the Liver Imaging Reporting and Data System (LI-RADS) may not be applicable for some populations at risk for hepatocellular carcinoma (HCC). However, data assessing the association of HCC risk factors with LI-RADS major features are lacking. Purpose: To evaluate whether the association between HCC risk factors and each CT/MRI LI-RADS major feature differs among individuals at-risk for HCC. Methods: Databases (MEDLINE, Embase, Cochrane Central Register of Controlled Trials, and Scopus) were searched from 2014 to 2022. Individual participant data (IPD) were extracted from studies evaluating HCC diagnosis using CT/MRI LI-RADS and reporting HCC risk factors. IPD from studies were pooled and modelled with one-stage meta-regressions. Interactions were assessed between major features and HCC risk factors, including age, sex, cirrhosis, chronic hepatitis B virus (HBV), and study location. A mixed effects model that included the major features, as well as separate models that included interactions between each risk factor and each major feature, were fit. Differences in interactions across levels of each risk factor were calculated using adjusted odds-ratios (ORs), 95% confidence-intervals (CI), and z -tests. Risk of bias was assessed using QUADAS-2. (Protocol: https://osf.io/tdv7j/ ). Results: Across 23 studies (2958 patients and 3553 observations), the associations between LI-RADS major features and HCC were consistent across several HCC risk factors ( P -value range: .09-.99). A sensitivity analysis among the 4 studies with a low risk of bias did not differ from the primary analysis. Conclusion: The association between CT/MRI LI-RADS major features and HCC risk factors do not significantly differ in individuals at-risk for HCC. These findings suggest that CT/MR LI-RADS should be applied to all patients considered at risk by LI-RADS without modification or exclusions, regardless of the presence or absence of the risk factors evaluated in this study.
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 | 0,045 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,074 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».