Doença hepática gordurosa associada à disfunção metabólica: diagnóstico não invasivo e estratégias terapêuticas no contexto amazônico
Bibliographic record
Abstract
A Doença Hepática Gordurosa Associada à Disfunção Metabólica (MAFLD) representa uma das principais condições hepáticas globalmente, associada a fatores metabólicos como obesidade, resistência à insulina e diabetes tipo 2, além de apresentar elevada prevalência no Brasil, especialmente na região amazônica. Este estudo justifica-se pela necessidade de abordar as peculiaridades regionais que dificultam o diagnóstico precoce e o manejo clínico da MAFLD, como a urbanização acelerada e o acesso limitado a tecnologias de diagnóstico. Objetiva-se sintetizar as evidências sobre métodos diagnósticos não invasivos e estratégias terapêuticas, com foco nas especificidades do Amazonas. Para tanto, procedeu-se a uma revisão integrativa de literatura, abrangendo publicações entre 2015 e 2023, selecionadas em bases como PubMed e Scielo, utilizando análise de conteúdo para sistematizar os dados em categorias temáticas. Os resultados indicam que a elastografia transitória e o escore Fib-4 são ferramentas promissoras para o diagnóstico precoce, enquanto a modificação do estilo de vida, combinada a intervenções farmacológicas, apresenta-se como a principal estratégia terapêutica. Conclui-se que, embora os avanços diagnósticos e terapêuticos sejam significativos, há desafios relacionados à acessibilidade e à implementação em contextos de baixa infraestrutura, como o estado do Amazonas, reforçando a necessidade de estratégias adaptadas às realidades regionais para ampliar o alcance das intervenções clínicas e promover a equidade no cuidado à saúde.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".