Modeling Reductions in Liver Fat: Comparing Noninvasive Tests to Magnetic Resonance Imaging–Proton Density Fat Fraction
Notice bibliographique
Résumé
Background and Aims: Magnetic resonance imaging-proton density fat fraction (MRI-PDFF) is an accurate, noninvasive tool for diagnosing metabolic dysfunction-associated steatotic liver disease, but its feasibility is limited in routine clinical practice. We aimed to assess the clinical utility of alternative, cost-efficient approaches for assessing liver fat changes and their relationship with MRI-PDFF changes. Methods: This is a secondary analysis of a phase 2a study that included adults with metabolic dysfunction-associated steatotic liver disease who received clesacostat, a selective, reversible inhibitor of acetyl-CoA carboxylase. In this secondary analysis, responders were defined as those in whom a ≥30% decrease in liver fat by MRI-PDFF was observed with clesacostat or placebo. Other endpoints were evaluated for their ability to predict MRI-PDFF responder status, including controlled attenuation parameter (CAP), liver enzymes (alanine aminotransferase, aspartate aminotransferase, and gamma-glutamyl transferase), metabolic dysfunction-associated steatohepatitis-related biomarkers (liver stiffness measurement by vibration-controlled transient elastography, cytokeratin 18-M30, and cytokeratin 18-M65), and markers of hepatic steatosis (hepatic steatosis index and fatty liver index). These relationships were investigated through correlation, univariate, and multivariable regression analyses. Results: Of 260 participants with a baseline and on-treatment measure at week 12 or week 16, 143 were responders. Based on correlation analyses, a significant but weak positive correlation between MRI-PDFF and CAP measurements of relative percentage change from baseline in liver fat was observed. By combining the selected 6 parameters (CAP, hepatic steatosis index, fatty liver index, alanine aminotransferase, gamma-glutamyl transferase, and cytokeratin 18-M65) through multivariable regression modeling, responders can be predicted with a high level of sensitivity and specificity (mean area under the receiver operating characteristic curve = 0.831 from 10-fold cross-validation). Conclusion: Modeling multiple noninvasive assessments of liver fat closely aligned with MRI-PDFF measurements. These data support further assessment of its suitability in real-world clinical practice.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».