XiaoMi-AI文件搜索系统
World File Search System肝病
非酒精性脂肪肝病与肠道菌群的相关性：临床报告和治疗选择
摘要一种称为非酒精性脂肪肝病（NAFLD）的普遍肝病可能会发展为非酒精性脂肪性肝炎（NASH），并引起威胁生命的并发症，例如肝硬化和肝癌。NAFLD的开发和过程与肠道菌群的构成和功能有关。本文回顾了据报道的临床研究，以调查NAFLD患者肠道菌群变化与代谢标记的变化之间的联系。根据研究结果，在NAFLD患者中观察到肠道菌群的营养不良，这表现为特定细菌物种比例的变化。这些变化与纤维化，肝炎和代谢异常有关。本文还讨论了针对肠道菌群的各种治疗方法，包括饮食修饰，运动，益生元，益生菌，益生菌，抗生素，抗生素和粪便菌群移植。这些疗法旨在增强NAFLD结果并重新建立健康的肠道菌群。一些研究表现出令人鼓舞的结果，但需要进一步的研究来确定这些治疗方法对NAFLD的最佳方法，长期安全性和功效。关键字Nafld，Nash，肠道菌群，肠道营养不良，益生菌，益生元
173。肠肝轴和非酒精性脂肪肝病的补充MASP-3林业
1 carpine G，来自Ben M，Passory D，Carenal R，Barata F，Overi D等。令人难以置信的肝肝潜水>
NLP和大型语言模型在胃肠病学和肝病学中的新兴应用：系统评价
为了确保对所纳入研究的全面评估，我们使用了三种工具，每种工具都针对我们的评论中的特定研究设计量身定制。在干预措施（Robins-i）工具的非随机研究中偏见的风险已用于评估NLP在管理，处方指导和临床查询反应等应用中的NLP（13）。用于将NLP模型与医生进行比较或用于诊断和检测的参考标准的诊断研究，使用了诊断准确性研究2（Quadas-2）工具的质量评估（14）。最后，将偏差评估工具（Probast）工具的预测模型风险用于其余研究，该研究涉及NLP模型预测，而无需直接比较参考标准（15）。这种多功能方法使我们能够适当地解决审查研究中提出的多种方法和应用。
保证
1 美国德克萨斯州圣安东尼奥市德克萨斯大学圣安东尼奥健康学院德克萨斯肝病研究所；2 英国伯明翰大学医学与牙科学院肝脏与胃肠道研究中心、国家健康研究中心伯明翰生物医学研究中心、英国伯明翰伊丽莎白女王大学医院肝病科；3 美国华盛顿州西雅图市西北肝病研究所；4 美国密歇根州底特律市韦恩州立大学医学院亨利福特医院肝病学分部；5 美国加利福尼亚州萨克拉门托市加州大学戴维斯医学院胃肠病学和肝病学分部； 6 巴塞罗那医院诊所肝脏科、August Pi i Sunyer 生物医学研究所 (IDIBAPS)、肝脏和消化酶红色生物医学研究中心 (CIBEREHD)，西班牙巴塞罗那； 7 多伦多大学多伦多肝病中心胃肠病学和肝病学部，加拿大安大略省多伦多市； 8 吉利德科学公司，美国加利福尼亚州福斯特城； 9 CymaBay Therapeutics, Inc.，美国加利福尼亚州弗里蒙特； 10 迈阿密大学医学院消化健康和肝病科，美国佛罗里达州迈阿密
非常低脂蛋白（A）水平与新发育糖尿病和非酒精性肝病的风险的关联
作者分支：1格罗宁根大学医学中心格罗宁根，心脏病学系，9700 RB Groningen，荷兰荷兰2号荷兰2个心脏病学系，乌特雷希特大学医学中心心脏和肺部，荷兰大学乌特雷希特大学医学中心，荷兰纽瑟兰大学3号。 Netherlands * Contributed equally Keywords : cardiovascular risk factor, Lipoprotein(a), Type 2 diabetes, NAFLD, Mendelian randomization, Prospective study, UK Biobank Address for correspondence: Ming Wai Yeung and Pim van der Harst Department of Cardiology University of Groningen, University Medical Center Groningen, Hanzeplein 1, 9700 RB Groningen, The Netherlands电话号码：+31（0）50 3612355电子邮件：m.w.yeung@umcg.nl和p.vanderharst@umcutrecht.nl
使用实验室和身体成分指标预测代谢功能障碍相关肝病的机器学习应用
摘要背景：代谢功能障碍相关的脂肪变性肝病（MASLD）代表着没有建立治疗疗法的重要全球健康负担。早期检测和预防策略对于有效的MASLD管理至关重要。这项研究旨在开发和验证机器学习（ML）算法，以在地理上多样化的大规模人群中进行准确的MASLD筛查。方法：从伊朗农村法尔斯省（2014年3月）发起的前瞻性FASA队列研究的数据用于此目的。使用血液测试，问卷，肝超声检查和身体检查收集所需的数据。两步方法从100多个变量中确定了关键预测因素：（1）使用平均降低Gini的统计选择在随机森林中的GINI和（2）（2）将临床专业知识与已知MASLD风险因素保持一致。使用了固定验证方法（使用70/30列车/验证拆分），以及验证集上的5倍交叉验证。逻辑回归，天真的贝叶斯，支撑矢量机和光梯度增强机（LightGBM）算法的算法的模型构建具有相同的输入变量基于接收器操作特征曲线（AUC），敏感性，特异性，正面预测值（PPV），负预测值（NPV）和精确度和准确性。结果：该研究中总共包括6,180名成年人（52.7％），分为4816个非MASLD和1364例MASLD案例，平均年龄（±标准偏差[SD]）分别为48.12（±9.61）和49.47（±9.15）年。伊朗大四。逻辑回归的表现优于其他ML算法，其准确度为0.88（95％置信区间[CI]：0.86-0.89），AUC的准确度为0.92（95％CI：0.90-0.93）。在100多个变量中，关键预测因子包括腰围，体重指数（BMI），臀部周长，腕圆周，丙氨酸氨基转移酶水平，胆固醇，葡萄糖，高密度脂蛋白和血压。结论：MAL在MASLD管理中的集成具有巨大的希望，尤其是在资源有限的农村环境中。此外，分配给每个预测因子的相对重要性，特别是腰围和BMI等杰出贡献者，为MASLD预防，诊断和治疗策略提供了宝贵的见解。关键字：逻辑回归，机器学习，非酒精性脂肪肝病，预测模型，农村地区引用了本文：Masaebi F，Azizmohammad Looha M，Mohammadzadeh M，Pahlevani V，Farjam M，Farjam M，Zayeri F等。使用实验室和身体成分指标预测代谢功能障碍相关的脂肪疾病疾病的机器学习应用。2024; 27（10）：551-562。 doi：10.34172/aim.31269
临床决策支持和电子干预措施，以改善慢性肝病和肝硬化的护理质量
信函Jin GE，加利福尼亚大学胃肠病学和肝病学系医学系 - 旧金山，旧金山大街513号，S-357，旧金山，加利福尼亚州94143，美国。jin.ge@ucsf.edu。作者贡献作者身份是使用ICMJE建议确定的。Jin GE：手稿概念和设计；手稿的起草；对重要智力内容的手稿进行批判性修订。valy fontil：对重要智力内容的手稿进行批判性修订。萨拉·阿克曼（Sara Ackerman）：对重要智力内容的手稿进行批判性修订。Mark J. Pletcher：重要智力内容的手稿的批判性修订。Jennifer C. Lai：手稿概念和设计；手稿的起草；对重要智力内容的手稿进行批判性修订。
长期产前静脉静脉免疫球蛋白治疗对预防妊娠同种免疫性肝病的影响
抽象的背景妊娠同种异体免疫性肝病（GALD）的特征是Mater-Nal IgG定向的胎儿肝细胞损伤，可导致严重的肝衰竭以及胎儿或婴儿死亡。此外，gald在随后的怀孕中复发的近90％有关。案例，我们提出了一例新生患者，该患者送给了一名32岁的G2P1000母亲，该患者在当前怀孕期间因与GALD相关肝衰竭的第一次儿童的新生儿死亡而在当前怀孕期间接受了长时间的产前静脉内免疫球蛋白（IVIG）治疗。产后测试，包括该新生儿的肝磁共振成像（MRI）和颊活检，显示出肝脏的正常形态，没有任何异常铁沉积。其他实验室测试显示缺乏肝损伤。结论此病例支持使用产前IVIG免疫疗法来防止随后怀孕的GALD复发。
