Notice bibliographique
Résumé
Monocyte-to-lymphocyte ratio (MLR) and neutrophil-to-lymphocyte ratio (NLR) are considered as surrogate inflammatory indexes. Previous studies indicated that NLR was associated with the development of septic acute kidney injury (AKI). The objective of the present study was to explore the value of MLR and NLR in the occurrence of AKI in intensive care unit (ICU) patients. The clinical details of adult patients (<i>n</i> = 1500) who were admitted to the ICU from January 2016 to December 2019 were retrospectively examined. AKI was diagnosed according to the Kidney Disease: Improving Global Outcomes criteria. The development of AKI was the main outcome, and the secondary outcome was in-hospital mortality. Overall, 615 (41%) patients were diagnosed with AKI. Both MLR and NLR were positively correlated with AKI incidence (<i>p</i> < 0.001). Multivariate logistic regression analysis suggested that the risk value of MLR for the occurrence of AKI was nearly three-fold higher than NLR (OR = 3.904, 95% CI: 1.623‒9.391 vs. OR = 1.161, 95% CI: 1.135‒1.187, <i>p</i> < 0.001). The areas under the receiver operating characteristic curve (AUC) for MLR and NLR in the prediction of AKI incidence were 0.899 (95% CI: 0.881‒0.917) and 0.780 (95% CI: 0.755‒0.804) (all <i>p</i> < 0.001), with cutoff values of 0.693 and 12.4. However, the AUC of MLR and NLR in the prediction of in-hospital mortality was 0.583 (95% CI: 0.546‒0.620, <i>p</i> < 0.001) and 0.564 (95% CI: 0.528‒0.601, <i>p</i> = 0.001). MLR, an inexpensive and widely available parameter, is a reliable biomarker in predicting the occurrence of AKI in ICU 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».