Validation of FIB-4 for the diagnosis of liver cirrhosis in metabolic dysfunction-associated steatotic liver disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
American Association for the Study of Liver Diseases practice guidance on metabolic dysfunction-associated steatotic liver disease (MASLD) has recommended using specific cut-off values for the Fibrosis-4 index (FIB-4) to detect cirrhosis. A cut-off of 3.48 is recommended for identifying stage 4 fibrosis (F4) with high specificity, while a cut-off of 1.67 is suggested for ruling out advanced fibrosis. Our study aimed to validate the diagnostic performance of these new FIB-4 cut-offs in our cohort of biopsy-proven MASLD from two Canadian tertiary care centres. Our study included 390 patients with biopsy-proven MASLD with F4 prevalence of 22%. Among the 87 patients with cirrhosis, 37 (42.5%) were correctly identified with a FIB-4 ≥3.48. FIB-4 had an area under the receiver operating characteristic curve of 0.79 at the proposed cut-off points, with 32% of patients being indeterminate or misclassified. Sensitivity and positive-predictive value for the FIB-4 cut-off were 65% and 68.5%, respectively, while the specificity and negative-predictive value were 93% and 92%, respectively. In conclusion, in our biopsy-proven MASLD cohort, recommended FIB-4 cut-offs ≥3.48 and <1.67 had low sensitivity but high specificity. An upper FIB-4 cut-off of 3.48 would have missed nearly one in four cirrhosis cases. The proposed FIB-4 thresholds for identifying F4 in MASLD patients have limited diagnostic utility in higher prevalence tertiary hepatology cohorts.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 découle