MétaCan
Menu
Retour à la cohorte
Enregistrement W2990931921 · doi:10.1177/0300060519887886

Feasibility of mean platelet volume as a biomarker for chronic obstructive pulmonary disease: A systematic review and meta-analysis

2019· review· en· W2990931921 sur OpenAlexaboutno aff
Yiming Ma, Dandan Zong, Zijie Zhan, Herui Li, Zhongshang Dai, Yanan Cui, Lijuan Luo, Zihang Zeng, Chenjie He, Yan Chen

Notice bibliographique

RevueJournal of International Medical Research · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineCOPDMean platelet volumeBiomarkerMeta-analysisInternal medicinePulmonary diseasePhysical therapyPlatelet

Résumé

récupéré en direct d'OpenAlex

Objective To evaluate the feasibility of mean platelet volume (MPV) as a biomarker for chronic obstructive pulmonary disease (COPD). Methods A systematic search for studies published up to March 2019 was performed in the PubMed and Web of Science databases. Three independent investigators screened the titles and abstracts of including studies according to eligibility criteria. The Newcastle–Ottawa Scale was used to assess the quality of eligible studies, and statistical analyses were performed using Review Manager version 5.3. Results A total of eight studies with 1230 COPD patients and 443 healthy controls were included in our meta-analysis. No significant differences in MPV level were identified in pairwise comparisons of the acute exacerbations of COPD (AECOPD), stable COPD, and control groups. Furthermore, no significant correlation was observed between MPV level and systemic inflammatory biomarkers. Conclusions MPV does not appear to represent a suitable biomarker of disease phase or inflammatory burden in COPD. However, future large-scale studies should be performed to further investigate the relationship between MPV and COPD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,028
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0080,006
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,228
Tête enseignante GPT0,499
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International Medical ResearchMême sujetInflammatory Biomarkers in Disease PrognosisTravaux en français237 207