Sarcopenia As a Predictor of Survival and Complications of Patients With Cirrhosis After Liver Transplantation: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
INTRODUCTION: This systematic review/meta-analysis evaluated the impact of sarcopenia in patients with cirrhosis before liver transplantation (LT) on outcomes after LT. METHODS: A systematic search was conducted in six medical databases until February 2022. The primary outcome was overall mortality after LT, while several secondary outcomes including liver graft survival and rejection, the need for transfusions, the length of the intensive care unit (ICU) and hospital stay, and surgical complications were evaluated. Sub-group analyses and meta-regression analyses were also performed. RESULTS: Fifty-three studies were evaluated in the systematic review, of which 30, including 5875 patients, were included in the meta-analysis. All studies included were cohort studies of good/high quality on the Newcastle-Ottawa scale (NOS), while in our analysis no publication bias was found, although there was substantial heterogeneity between the studies. Muscle mass was assessed using skeletal muscle index (SMI) in 14 studies, psoas muscle area (PMA) in seven studies, and psoas muscle index (PMI) in four studies. The prevalence of pre-LT sarcopenia ranged from 14.7% to 88.3%. Pre-LT sarcopenia was significantly associated with post-LT mortality (Relative Risk [RR] = 1.84, 95% CI:1.41,2.39), as well as with a high risk of infections post-LT, surgical complications, fresh frozen plasma (FFP) transfusions, and ICU length of stay (LOS). CONCLUSIONS: Pre-LT sarcopenia in patients with cirrhosis is a strong risk factor for clinically meaningful adverse outcomes after LT. Assessment may help identify patients at the highest risk for poor outcomes who may benefit from targeted interventions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».