The Association Between Non-Alcoholic Fatty Liver Disease (NAFLD) And Type 2 Diabetes Mellitus In Saudi Arabia: A Systematic Review
Notice bibliographique
Résumé
Background: Non-alcoholic fatty liver disease (NAFLD) and Type 2 Diabetes Mellitus (T2DM) are closely linked metabolic disorders that share common pathophysiological pathways. The high prevalence of obesity and T2DM in Saudi Arabia creates a significant risk for NAFLD, yet a consolidated understanding of their association within this specific population is needed. This systematic review aims to determine the prevalence and association between NAFLD and T2DM in Saudi Arabia. Methods: A systematic literature search was conducted using PubMed, Scopus, ScienceDirect, Google Scholar, and the Saudi Digital Library for studies published between January 2000 and June 2025. The review adhered to PRISMA 2020 guidelines. Eligible studies were observational (cross-sectional, cohort, case-control) conducted on Saudi adults with T2DM, investigating NAFLD. Two independent reviewers performed study selection, data extraction, and quality assessment using the Newcastle-Ottawa Scale (NOS). Results: Six high-quality studies (NOS score ≥7/9), encompassing 1,387 diabetic patients, were included. The prevalence of NAFLD among individuals with T2DM in Saudi Arabia was consistently high, ranging from 47.8% to 80.8%, with a pooled average of 64.2%. Key predictors identified were elevated body mass index (BMI), waist circumference, alanine aminotransferase (ALT) levels, and poor glycemic control. One study using transient elastography (FibroScan) reported a higher prevalence (80.8%) and identified significant liver fibrosis in 8.8% of patients, suggesting that ultrasound may underestimate the true disease burden. Conclusion: There is a high prevalence of NAFLD among Saudi patients with T2DM, driven largely by shared metabolic risk factors like obesity and insulin resistance. These findings underscore the urgent need for integrated care models that include routine liver screening, utilizing sensitive non-invasive tools like FibroScan, within diabetes management protocols in Saudi Arabia to enable early detection and prevent progression to advanced liver disease.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».