Prevention of Liver Fibrosis and Hepatocellular Carcinoma Using Antiplatelet Drugs
Notice bibliographique
Résumé
GOAL: The aim of our research was to compile and analyze all existing observational data through a meta-analysis, evaluating the relationship between antiplatelet drugs, such as aspirin and clopidogrel, and the risks of liver fibrosis, portal vein thrombosis (PVT), and hepatocellular carcinoma (HCC). BACKGROUND: The association between antiplatelet drug use, especially the use of agents other than aspirin, and liver fibrosis, PVT, and HCC in patients with liver disease remains unclear. STUDY: Cochrane Library, Web of Science, EMBASE, and PubMed were searched for all records from their inception through Jul. 20, 2024. Per the defined inclusion and exclusion criteria, we carried out literature screening and data extraction. Following that, the quality of these studies was appraised with the Newcastle-Ottawa Scale. The primary outcomes were liver fibrosis, HCC, and PVT. Statistical analysis was conducted using Stata 17. RESULTS: The final analysis included 29 studies with 13,000 patients. Pooled results showed the HCC incidence after antiplatelet drug treatment was 3.6% (95% CI: 2.4%, 5.2%). The incidence of PVT after antiplatelet drug treatment was 48.6% (95% CI: 29.8%, 67.8%). Compared with the group not using antiplatelet drugs, the risk of liver fibrosis [hazard ratio (HR): 0.65, 95% CI: 0.56, 0.77; P<0.001] and the risk of HCC (HR: 0.63, 95% CI: 0.54, 0.73; P<0.001) were notably reduced in the group using antiplatelet drugs. CONCLUSIONS: The use of antiplatelet drugs may help prevent liver fibrosis, PVT, and HCC. Owing to the constraints of existing evidence, high-quality randomized controlled studies are essential to further corroborate these findings.
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 | 0,015 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,021 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».