MétaCan
Menu
Retour à la cohorte
Enregistrement W7134031482 · doi:10.33545/26649675.2024.v6.i1a.43

Liver disease in Pediatric populations: A growing challenge

2024· article· W7134031482 sur OpenAlexaboutno aff
Emily R Thornton, Marc-Antoine Leblanc, Sarah K Whitfield

Notice bibliographique

RevueInternational journal of hepatology sciences. · 2024
Typearticle
Langue
DomaineMedicine
ThématiquePediatric Hepatobiliary Diseases and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiseaseLiver diseaseMEDLINEEpidemiology

Résumé

récupéré en direct d'OpenAlex

An estimated 3 to 5% of all chronic liver disease cases worldwide occur in children under 18, and this proportion has been creeping upward over the past two decades [1]. Pediatric liver disease encompasses a broad spectrum, from neonatal cholestatic conditions like biliary atresia to adolescent-onset metabolic disorders such as non-alcoholic fatty liver disease (NAFLD), each carrying distinct diagnostic and therapeutic challenges. Despite growing recognition that early identification improves long-term outcomes, many affected children still face delayed diagnosis, limited access to specialist care, and a shortage of age-appropriate therapeutic options. This research examined the clinical and epidemiological profile of pediatric liver disease at a tertiary referral centre in Toronto, Canada, over a five-year retrospective period from January 2017 through December 2021. Medical records of 834 children aged 0 to 17 years who received a confirmed liver disease diagnosis during this window were reviewed. Demographic data, presenting symptoms, laboratory findings, imaging results, histopathological reports, and treatment outcomes were extracted and analysed. Biliary atresia constituted the largest diagnostic category at 28.3% of cases, followed by NAFLD at 22.7%, autoimmune hepatitis at 14.1%, Wilson disease at 9.6%, and alpha-1 antitrypsin deficiency at 8.4%. Viral hepatitis accounted for 7.2%, drug-induced liver injury for 5.8%, and miscellaneous aetiologies for the remaining 3.9%. Age distribution analysis revealed distinct patterns: biliary atresia dominated in infants under one year, whereas NAFLD and autoimmune hepatitis were concentrated in the 10-to-18 age bracket. The median time from symptom onset to confirmed diagnosis was 4.7 months overall but varied dramatically by condition—just 1.3 months for biliary atresia, which typically presents with neonatal jaundice, compared with 8.9 months for Wilson disease, where symptoms are often subtle and nonspecific. Among the 834 patients, 127 (15.2%) eventually required liver transplant evaluation, and 68 (8.2%) underwent transplantation during the observation period. Five-year graft survival stood at 89.7% for transplant recipients, which is consistent with published North American benchmarks. Importantly, 43.1% of NAFLD patients had at least one metabolic comorbidity at diagnosis, most commonly obesity (37.8%) followed by insulin resistance (28.4%) and dyslipidaemia (19.3%). These metabolic associations underscore the need for integrated management strategies that address liver health alongside broader cardiometabolic risk. The findings highlight an evolving landscape of pediatric hepatology in Canada, where metabolic liver disease is rising while infectious causes decline. Early referral pathways, standardised diagnostic protocols, and multidisciplinary care models appear essential to improving outcomes across this heterogeneous patient 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,357
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of hepatology sciences.Même sujetPediatric Hepatobiliary Diseases and TreatmentsTravaux en français237 207