Prognostic value of Neutrophil-to-lymphocyte ratio in COVID-19 patients: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Neutrophil-to-lymphocyte ratio (NLR) is an accessible and widely used biomarker. NLR may be used as an early marker of poor prognosis in patients with COVID-19. Methods: We conducted a systematic review and meta-analysis. Observational studies that reported the association between baseline NLR values (i.e. at hospital admission) and severity or all-cause mortality in COVID-19 patients were included. The quality of the studies was assessed using the Newcastle-Ottawa scale (NOS). Random effects models and inverse variance method were used for meta-analyses. The effects were expressed as odds ratios (OR) and their 95% confidence intervals (CI). Small study effects were assessed with the Egger’s test. Results: Twenty studies, 19 cohorts and one case-control were included. An increase of one unit of NLR was associated with a higher odds of COVID-19 severity (OR 6.6, 95% CI: 4.71 - 7.19; p<0.001) and higher odds of all-cause mortality (OR 12.7, 95% CI: 1.32, 123.36; p=0.025). No differences were found in subgroup analyses by study design. The subgroup analysis of the studies, by country of origin, showed that the strength of the association between NLR and mortality was greater in Chinese studies (OR 31.1; 95%CI 19.57 to 49.3; p<0.0001) with moderate heterogeneity (I2 =43%). In our sensitivity analysis, we found that 7 studies with low risk of bias maintained strong association between both outcomes and the NLR values (severity: OR 4.7; 95% CI 3.5 to 6.34; p < 0.001 vs mortality: OR 31.1; 95% CI 19.57 to 49.3; p <0.0001), with low (I2 = 37%) and moderate (I2 = 43%) heterogeneity for severity and mortality outcomes, respectively. No publication bias was found for studies that evaluated effects for the severity of disease. Conclusions: Higher values of NLR were associated with severity and all-cause mortality in hospitalized COVID-19 patients.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,028 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».