A new perspective on non-invasive diagnosis of non- alcoholic fatty liver disease: evidence integration of inflammatory and metabolic biomarkers based on a scoping review
Notice bibliographique
Résumé
Background: Non-alcoholic fatty liver disease (NAFLD) has become the most common chronic liver condition globally, spanning a spectrum from simple steatosis to non-alcoholic steatohepatitis (NASH) and progressive fibrosis. Inflammation and metabolic dysregulation play key roles in its pathogenesis. Accordingly, inflammatory and metabolic biomarkers have gained increasing attention as potential tools for non-invasive diagnosis and disease staging. Objective: This scoping review aimed to synthesize current evidence on the diagnostic performance of inflammatory and metabolic biomarkers for NAFLD, with a focus on their potential application in early screening and disease stratification. Methods: We systematically searched PubMed and CNKI databases for relevant peer-reviewed literature published up to August 2024. The search strategy combined MeSH terms and free-text keywords, and study selection was guided by the Population-Concept-Context (PCC) framework. Methodological quality was assessed using the Newcastle-Ottawa Scale and AHRQ criteria. Results: Fifteen eligible studies (11 case-control, 2 cohort, 1 cross-sectional, and 1 retrospective study) were included, yielding 18 candidate biomarkers. The triglyceride-glucose (TyG) index was commonly associated with early-stage NAFLD screening; cytokeratin-18 (CK18) was linked to NASH detection, while adiponectin and osteopontin (OPN) were related to liver fibrosis. Additionally, inflammatory indices such as neutrophil-to-lymphocyte ratio (NLR), monocyte-to-lymphocyte ratio (MLR), and systemic immune-inflammation index (SII) showed clinical promise due to their accessibility and low cost. Conclusion: Inflammatory and metabolic biomarkers provide valuable non-invasive insights into the diagnosis and staging of NAFLD. The integration of multiple biomarkers may enhance diagnostic accuracy and support stratified management strategies. However, further validation is needed to establish standardized thresholds and confirm clinical utility across diverse populations.
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 | 0,086 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,007 |
| Bibliométrie | 0,038 | 0,031 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,012 | 0,020 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».