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 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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».