Predictors of fibrosis, clinical events, and mortality in MASLD: Data from the Global-MASLD study
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Advanced histologic fibrosis is a major predictor of mortality in metabolic dysfunction-associated steatotic liver disease (MASLD). We aimed to identify advanced fibrosis clinical determinants across diverse MASLD populations and to assess the prognostic value of noninvasive markers (NITs) of fibrosis for adverse outcomes. APPROACH AND RESULTS: The Global MASLD (G-MASLD) enrolled biopsy-confirmed MASLD patients with clinical, histologic, and noninvasive test (NIT) data. Factors associated with the presence of advanced histologic fibrosis (F3-F4) in MASLD and clinical outcomes were assessed. There were 17,792 patients with MASLD. Advanced fibrosis (≥F3) was present in 35%. The prevalence of type 2 diabetes (T2D) increased stepwise with fibrosis stage, from 28% in F0 to 70% in F4 (trend p <0.0001). Independent predictors of advanced fibrosis included older age, T2D, and obesity, although the association with obesity varied by region. Among patients with follow-up (mean 6.6 y), 6.5% died and 10.1% experienced a clinical event. Older age, male sex, T2D, and obesity were independent predictors of both mortality and clinical events ( p <0.05). Fibrosis severity, whether defined histologically or by NITs, was strongly associated with higher risks of death and liver-related outcomes (all adjusted HR>1.0, p <0.001). Five-year mortality was 2.1% overall, rising to 8.3% in patients with cirrhosis, and exceeded 10% among those with high-risk NIT score values. CONCLUSIONS: In this large global biopsy-based MASLD cohort, advanced fibrosis was highly prevalent and strongly linked to T2D. Both histologic fibrosis and NITs were independent predictors of mortality and clinical outcomes, underscoring the prognostic value of fibrosis assessment with NITs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».