Diagnostic Accuracy of the LiverRisk Score to Detect Increased Liver Stiffness Among a United States General Population and Subgroups
Notice bibliographique
Résumé
Background: The LiverRisk score (LRS) has recently been proposed to predict liver fibrosis and future development of liver-related outcomes in the general population. Here, we performed an external validation of this score. Methods: We used data from National Health and Nutrition Examination Survey 2017-2020, a United States population-based cohort to assess the diagnostic accuracy of the LRS to detect a liver stiffness measurement (LSM) ≥8 and ≥12 kPa. Performance was tested among the entire general population and clinically relevant subgroups. Results: The cohort comprised 7,025 participants (aged 49 [33-63], 49% male), and 9.7% had an LSM ≥8 and 3.2% had an LSM ≥12 kPa. The area under the receiver characteristic operator curve (AUC) in the overall population was 0.73 (95% confidence interval [CI] :0.71-0.75) and 0.78 (95% CI: 0.74-0.81) to detect an LSM ≥8 and ≥ 12 kPa, respectively, significantly outperforming the fibrosis 4 index (FIB-4) but not the nonalcoholic fatty liver disease fibrosis score, steatosis-associated fibrosis estimator (SAFE), or metabolic dysfunction-associated fibrosis 5 (MAF-5). Performance was consistent among most subgroups, but AUC levels to detect an LSM ≥8 kPa decreased to <0.70 among participants aged 18-40 or 60-80 years, blacks, and individuals with diabetes or liver steatosis. The LRS categorized 80.5% as very low risk, 17.7% as low risk, and 1.8% as at risk, prevalence of an LSM ≥8 in these groups was 6.3%, 20.8%, and 50.5%, respectively. The sensitivity to detect an LSM ≥8 kPa was 47.3% in the overall population (but dropped to 21.3% for individuals aged 18-40 years) despite applying the lowest cut-off, which should yield the highest sensitivity. Conclusion: The LRS score is a promising new tool to predict liver fibrosis; however, its diagnostic accuracy attenuates especially among patients aged 18-40 or 60-80 years. The overall sensitivity was only 47.3% at the lowest LRS cut-off. Further studies assessing cost-benefit ratios according to the LRS compared to FIB-4 and other risk scores such as MAF-5 and SAFE are required to determine its usefulness in referral strategies.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».