EXPLORING THE ROLE OF METABOLIC DYSFUNCTION IN ALCOHOL-ASSOCIATED HEPATITIS: A GLOBAL STUDY
Notice bibliographique
Résumé
Severe alcohol-associated hepatitis (AH) carries high mortality. Although the role of cardiometabolic risk factors (CMRF)—including obesity, type 2 diabetes mellitus (T2DM), hypertension (HTN), and dyslipidemia (DLP)—has been characterized in steatotic liver disease, their role in the severity of AH remains unclear. To evaluate the impact of CMRF on mortality and infection risk in AH. Multinational prospective cohort study (2015–2024) including hospitalized patients with severe AH across 24 centers in 14 countries (Global AlcHep Network). Diagnosis of AH was done using NIAAA criteria. Analyses included competing-risk models, with liver transplantation as a competing risk. Models were adjusted by age, sex, ethnicity, history of cirrhosis, CMRF, corticosteroids use, MELD, and ACLF grade. 935 participants were included. Median BMI was 24.2kg/m2, prevalence of T2DM was 21%, HTN 17%, DLP 7%. In adjusted competing-risk models, age (sHR 1.02, 95%CI: 1.01-1.04; p<0.001), MELD (sHR 1.04, 95%CI: 1.01–1.06; p<0.001), infections (sHR 1.76, 95%CI: 1.28–2.41; p<0.001), and ACLF grade 2 (sHR 1.67, 95%CI: 1.05–2.69; p<0.032) and 3 (sHR 3.06, 95%CI: 1.88–4.99; p<0.001) were associated with higher risk of mortality, while obesity (sHR 0.67, 95%CI: 0.48–0.93; p=0.016) and corticosteroids use (sHR 0.67, 95%CI: 0.49–0.92; p=0.014) were associated with lower mortality. T2DM, HTN and DLP weren’t associated with higher mortality. Metabolic dysfunction was not associated with increased mortality in AH. Although obesity may be a protective factor, these findings could be explained by a better nutritional status than the lean population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».