Use of Neutrophil-to-Lymphocyte and Platelet-to-Lymphocyte Ratios in COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: As the pandemic of coronavirus disease 2019 (COVID-19) continues, prognostic markers are now being identified. The neutrophil-to-lymphocyte ratio (NLR) and platelet-to-lymphocyte ratio (PLR) are easily accessible values that have been known to correlate with inflammation and prognosis in several conditions. We used the available data to identify the association of NLR and PLR with the severity of COVID-19. METHODS: A literature search using EMBASE, MEDLINE, and Google Scholar for studies reporting the use of NLR and PLR in COVID-19 published until April 28, 2020, was performed. Random effects meta-analysis was done to estimate standard mean difference (SMD) of NLR and PLR values with 95% confidence interval (CI) between severe and non-severe COVID-19 cases. RESULTS: A total of 20 studies with 3,508 patients were included. Nineteen studies reported NLR values, while five studies reported PLR values between severe and non-severe COVID-19 patients. Higher levels of NLR (SMD: 2.80, 95% CI: 2.12 - 3.48, P < 0.00001) and PLR (SMD: 1.82, 95% CI: 1.03 - 2.61, P < 0.00001)) were seen in patients with severe disease compared to non-severe disease. CONCLUSIONS: NLR and PLR can be used as independent prognostic markers of disease severity in COVID-19.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle