<scp>MetALD</scp>: New Perspectives on an Old Overlooked Disease
Notice bibliographique
Résumé
Metabolic dysfunction-associated steatotic liver disease (MASLD) and alcohol-associated liver disease (ALD) are the major contributors to the liver disease burden globally. The rise in these conditions is linked to obesity, type 2 diabetes, metabolic syndrome and increased alcohol consumption. MASLD and ALD share risk factors, pathophysiology and histological features but differ in their thresholds for alcohol use, and the ALD definition does not require the presence of metabolic dysfunction. A recent multi-society consensus overhauled the nomenclature of liver steatosis and introduced the term MetALD to describe patients with metabolic dysfunction who drink more than those with MASLD and less than those with ALD. This new terminology aims to enhance the understanding and management of liver disease but poses challenges, such as the need to accurately measure alcohol consumption in research and clinical practice settings. Recent studies show that MetALD has significant implications for patient management, as it is associated with increased mortality risks and more severe liver outcomes compared to MASLD alone. MetALD patients face increased risks of liver disease progression, cancer and cardiovascular disease. The diagnosis of MetALD involves the adequate quantification of alcohol use through standardised questionnaires and/or biomarkers as well as proper assessment of liver disease stage and progression risk using non-invasive tools including serologic markers, imaging, elastography techniques and genetic testing. Effective management requires addressing both metabolic and alcohol-related factors to improve outcomes. This review intends to provide a comprehensive overview of MetALD, covering pathogenesis, potential diagnostic approaches, management strategies and emerging therapies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 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 ».