Barriers and facilitators to liver fibrosis screening: Perspectives and practices of Canadian primary care physicians
Notice bibliographique
Résumé
Background: Metabolic dysfunction-associated steatotic liver disease (MASLD) is highly prevalent, yet primary care physicians (PCPs) face barriers to identifying and referring high-risk individuals. We surveyed Canadian PCPs to identify barriers and facilitators to MASLD-related fibrosis screening. Methods: A multidisciplinary team developed a 38-item online survey with multiple-choice and Likert scale questions to assess PCPs' MASLD knowledge and barriers and facilitators to screening. The survey was distributed anonymously in April-August 2024. Results: Seventy-one participants completed the survey. One in five rated their MASLD diagnostic knowledge as very or extremely familiar, whereas a quarter reported little to no knowledge. Although >90% correctly identified obesity, type 2 diabetes, and dyslipidemia as risk factors, only 54% screened these populations. Among those who screened, 55% used FIB-4 and 29% transient elastography, while the most common tools were ultrasound (74%) and alanine aminotransferase (71%). Overall, 96% reported at least one barrier, including time limitations, resource constraints, and limited access to tools. Barriers also varied by province; PCPs in Alberta reported fewer access issues with tools like FIB-4 than those in other provinces, including Ontario and Quebec. Encouragingly, over 80% expressed willingness to adopt integrated guidelines and automated risk tools into their practice. Conclusions: Despite awareness of MASLD risk factors among Canadian PCPs, substantial gaps remain in screening due to limited knowledge, inconsistent tool use, and systemic barriers. These findings highlight the need for a coordinated national strategy to support PCPs in the early identification and referral of patients at risk for MASLD-related fibrosis.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».