Comparing FIB-4, VCTE, pSWE, 2D-SWE, and MRE Thresholds and Diagnostic Accuracies for Detecting Hepatic Fibrosis in Patients with MASLD: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objectives: To compare thresholds and accuracies of FIB-4, vibration-controlled transient elastography (VCTE), point shear wave elastography (pSWE), 2D shear wave elastography (2D-SWE), and MR elastography (MRE) for detecting hepatic fibrosis in patients with MASLD. Materials and Methods: Systematic searching of MEDLINE, EMBASE, Cochrane Library, Scopus, and the gray literature from inception to March 2024 was performed. Studies evaluating accuracies of FIB-4, VCTE, 2D-SWE, pSWE, and/or MRE for detecting significant (≥F2) and/or advanced (≥F3) hepatic fibrosis in MASLD patients compared to histology were identified. Full-text review and data extraction were performed independently by two reviewers. Multivariate meta-analysis and subgroup analyses were performed using index test and fibrosis grading. Risk of bias was assessed using QUADAS-2. Results: 207 studies with over 80,000 patient investigations were included. FIB-4 1.3 threshold sensitivity was 71% (95% CI 66–75%) for detecting advanced hepatic fibrosis, which improved to 88% (85–91%) using a <0.75 threshold. FIB-4 specificity using a 2.67 threshold was 96% (94–97%). Sensitivities of 88–91% were achieved using thresholds of 3.2 kPa for pSWE, 4.92 kPa for 2D-SWE, 7.18 kPa for VCTE, and 2.32 kPa for MRE. No significant differences were identified for sensitivities in subgroup analysis with thresholds between 7 and 9 kPa. Most imaging-based studies were high risk of bias for the index test. Conclusions: A FIB-4 threshold of <0.75 and modality-dependent thresholds (VCTE < 7 kPa; pSWE <3 kPa; 2D-SWE <5 kPa; and MRE <2.5 kPa) would achieve sensitivities of around 90% when defining low-risk MASLD in population screening. A modified two-tier algorithm aligning with existing Society of Radiologists in Ultrasound guidelines would improve risk stratification accuracies compared to existing guidelines by European and American liver societies.
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 | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,032 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».