Comparison of diagnostic accuracy and utility of non-invasive tests for clinically significant liver disease in a general population with metabolic dysfunction
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Screening for liver disease in the general population requires accurate non-invasive tests (NITs). A head-to-head comparison of NITs for early detection of clinically relevant liver disease among the target population for screening is lacking. APROACH AND RESULTS: Among the meta-cohort (Rotterdam Study and National Health and Nutrition Examination Survey) with metabolic dysfunction aged 18-80 years, 10 NITs were investigated. The diagnostic accuracy for clinically relevant conditions [increased liver stiffness measurement (LSM), at-risk metabolic dysfunction-associated steatohepatitis, advanced fibrosis, or cirrhosis) was assessed. Subgroup analysis included stratification by age group and diabetes/obesity status.We analysed 11,404 participants. Metabolic dysfunction-associated fibrosis 5 (MAF-5) obtained the highest AUC for increased LSM (≥8 kPa: 0.80; ≥12 kPa: 0.87) and advanced fibrosis (AUC: 0.90). Fibrotic NASH index and MAF-5 performed best for detecting metabolic dysfunction-associated steatohepatitis (AUC: 0.93 and AUC: 0.92, p =ns) and SAFE for cirrhosis (AUC: 0.92). To obtain 80% sensitivity for LSM ≥8 kPa, the corresponding MAF-5 cut-off resulted in fewer referrals (42%) compared to fibrosis-4 index (77%) and higher specificity (62% vs. 24%); MAF-5 was also superior for detection of LSM ≥12 kPa and advanced fibrosis. Age-dependent scores yielded lower sensitivity among younger individuals, for example, by referring 20% of the population with the highest NIT scores, the fibrosis-4 index, steatosis-associated fibrosis estimator, NAFLD fibrosis score, FORNS, and Hepamet fibrosis score yielded <10% sensitivity for LSM ≥8 kPa among individuals aged 18-35 years, while fibrotic NASH index and MAF-5 obtained 40% and 71%. CONCLUSIONS: Of the 10 investigated NITs, MAF-5 discriminated best between all conditions except cirrhosis, for which the steatosis-associated fibrosis estimator yielded the highest accuracy. The performance of the fibrosis-4 index was poor, implying that referral pathways for significant liver disease in low-prevalence populations can be improved when more accurate NITs such as MAF-5 are employed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».