FIB-4-based Referral Pathways Have Suboptimal Accuracy to Identify Increased Liver Stiffness and Incident Advanced Liver Disease
Notice bibliographique
Résumé
BACKGROUND & AIMS: Fibrosis-4 (FIB-4) is the cornerstone of identifying clinically relevant liver disease among low-prevalence populations. However, its diagnostic accuracy is debated. METHODS: Participants with metabolic dysfunction from the National Health and Nutrition Examination Survey (NHANES) 2017 to 2020 and Apolipoprotein MOrtality RISk (AMORIS) were used for cross-sectional and longitudinal analysis, respectively. The ability of the FIB-4-based referral pathways to detect individuals with increased liver stiffness (LSM) and/or International Classification of Diseases-based incident advanced liver disease was investigated. Additional analysis included the application of an age-adjusted cutoff. RESULTS: Cross-sectional analysis comprised 6375 participants (age, 52 years [interquartile range, 36-64 years]; 49% male), of whom 10.3% had LSM ≥8, 3.4% LSM ≥12 and 28% FIB-4 ≥1.3. Among those considered to have no clinically relevant liver disease (72%), LSM ≥8, 12, and 15 kPa was still present in 8.5%, 2.3%, and 1.1%, respectively. The FIB-4 had 0.0% sensitivity for increased LSM among participants aged 18 to 35 years and a high referral rate (71%) among participants aged 65 to 80 years or low sensitivity (34%) with the age-adjusted cutoff. However, in the longitudinal analysis (n = 53,766; age, 54 years [interquartile range, 45-61]; male 65%; events 132), FIB-4 detected 74% of 5-year incident cases of advanced liver disease (cirrhosis or hepatocellular carcinoma). CONCLUSIONS: FIB-4-based referral pathways to identify liver disease among the general population result in a high referral rate while not detecting approximately 60% of LSM ≥8, 50% of LSM ≥12, 40% of LSM ≥15, and 25% of incident advanced liver disease. Current referral pathways to detect precirrhotic liver disease in low-prevalence populations could benefit from further optimization.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».