Prevalence and severity of MASLD and fibrosis using transient elastography: A cross-sectional screening in Lower Mainland, British Columbia, Canada
Notice bibliographique
Résumé
Background: Metabolic dysfunction–associated steatotic liver disease (MASLD) is a leading cause of liver disease worldwide. We aimed to assess the prevalence and severity of MASLD and fibrosis among asymptomatic individuals with no known history of liver disease in British Columbia (BC), Canada. Methods: We conducted a cross-sectional, population-based screening study of 2,782 individuals in the Lower Mainland of BC. Baseline demographics were collected, and transient elastography was performed. The prevalence and severity of MASLD and liver fibrosis were calculated. Results: MASLD affected 53.1% of participants, with 34.0% having severe hepatic steatosis, 6.5% moderate hepatic steatosis, and 12.6% mild hepatic steatosis. Factors associated with a higher MASLD incidence included non-lean BMI (OR 5.50, p <0.001), hypertension (OR 1.29, p = 0.014), diabetes (OR 1.33, p = 0.026), and South Asian ethnicity (OR 1.36, p = 0.014), while female gender was protective (OR 0.81, p = 0.015). Non-lean BMI (OR 5.71, p <0.001), hypertension (OR 1.33, p = 0.002), and diabetes (OR 1.34, p = 0.010) were associated with more severe steatosis. Fibrosis was present in 7.2% of participants, with 4.4% having moderate fibrosis, 1.9% having severe fibrosis, and 0.9% having cirrhosis. Diabetes (OR 1.93, p <0.001) and non-lean BMI (OR 2.37, p <0.001) were associated with a higher prevalence of fibrosis, while East Asian ethnicity was protective (OR 0.50, p <0.001). Non-lean BMI (OR 2.35, p <0.001) and diabetes (OR 1.96, p <0.001) were linked to higher fibrosis severity, while East Asian ethnicity remained protective against severe fibrosis (OR 0.50, p <0.001). Conclusions: There is a significant burden of liver steatosis and fibrosis in BC, Canada, which highlights the need for comprehensive MASLD screening guidelines.
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 ».