Bibliographic record
Abstract
La stéatose hépatique non alcoolique (NAFLD) est la cause d’hépatopathie chronique la plus fréquente dans les pays occidentaux. Aucune étude n’a vérifié le rapport coûtefficacité du dépistage pour la stéatohépatite non-alcoolique (NASH), le stade avancé de la maladie. Nous avons réalisé une analyse coût-utilité des stratégies annuelles non invasives de dépistage, utilisant une perspective d’un système de soins canadien, dans la population générale et l’avons comparé à une population à haut risque composée de patients obèses et diabétiques. Les algorithmes de dépistage incluent des techniques bien étudiées notamment le «NAFLD fibrosis score», la technique «transient elastography» (TE), et l’imagerie «acoustic radiation force impulse» (ARFI) pour la détection de la fibrose avancée (≥ F3); et le test «plasma cytokeratin-18» (CK-18) pour la détection de la NASH. La biopsie du foie et l’élastographie par résonance magnétique (MRE) ont été comparées comme méthodes de confirmation. Les coûts en dollars canadiens furent corrigés en fonction de l’inflation et actualisés à un taux d'actualisation de 5%. Un rapport coût-efficacité différentiel (ICER) de ≤$C50,000 / année de vie pondérée par la qualité (QALY) a été considéré comme coûtefficace. Nous avons trouvé que par rapport à la stratégie sans dépistage annuel, le dépistage annuel avec l’algorithme NAFLD fibrosis score/TE/CK-18 et avec MRE comme méthode de confirmation pour la fibrose avancée, a donné un ICER de $C26,143 par année de vie pondérée par la qualité (QALY) gagnée. Le dépistage annuel dans les populations à haut risque obèses et diabétiques était encore plus coût-efficace, avec un ICER de $C9,051 et $C7,991 par QALY gagnée respectivement. La confirmation avec la biopsie du foie n’était pas coût-efficace. Notre modèle indique que le dépistage annuel pour la NASH peut être coût-efficace, particulièrement dans les populations obèses et diabétiques à haut risque.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".