Lymphocyte-to-C-Reactive Protein Ratio: A Novel Predictor of Adverse Outcomes in COVID-19
Notice bibliographique
Résumé
BACKGROUND: Systemic inflammation elicited by a cytokine storm is considered a hallmark of coronavirus disease 2019 (COVID-19). This study aims to assess the validity and clinical utility of the lymphocyte-to-C-reactive protein (CRP) ratio (LCR), typically used for gastric carcinoma prognostication, versus the neutrophil-to-lymphocyte ratio (NLR) for predicting in-hospital outcomes in COVID-19. METHODS: -test and multivariate logistic regression analysis were performed to calculate mean differences and adjusted odds ratios (aORs) with its 95% confidence interval (CI), respectively. RESULTS: The mean age for NLR patients was 63.6 versus 61.6, and for LCR groups, it was 62.6 versus 63.7 years, respectively. The baseline comorbidities across all groups were comparable except that the higher LCR group had female predominance. The mean NLR was significantly higher for patients who died during hospitalization (19 vs. 7, P ≤ 0.001) and those requiring IMV (12 vs. 7, P = 0.01). Compared to alive patients, a significantly lower mean LCR was observed in patients who did not survive hospitalization (1,011 vs. 632, P = 0.04). For patients with a higher NLR (> 10), the unadjusted odds of mortality (odds ratios (ORs) 11.0, 3.6 - 33.0, P < 0.0001) and need for IMV (OR 3.3, 95% CI 1.4 - 7.7, P = 0.008) were significantly higher compared to patients with lower NLR. By contrast, for patients with lower LCR (< 100), the odds of in-hospital all-cause mortality were significantly higher compared to patients with a higher LCR (OR 0.2, 0.06 - 0.47, P = 0.001). The aORs controlled for baseline comorbidities and medications mirrored the overall results, indicating a genuinely significant correlation between these biomarkers and outcomes. CONCLUSIONS: A high NLR and decreased LCR value predict higher odds of in-hospital mortality. A high LCR at presentation might indicate impending clinical deterioration and the need for IMV.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».