MétaCan
Menu
Retour à la cohorte
Enregistrement W4200377886 · doi:10.1155/2021/5582908

Lymphocyte and Platelet Counts, as well as Interleukin-6 Levels, Predict Mortality of Coronavirus Disease 2019 (COVID-19): A Systematic Review and Meta-Analysis

2021· review· en· W4200377886 sur OpenAlexaboutno aff
Huiwei Chen, Guang Yang, Yunzhu Long, Chaoqian Li

Notice bibliographique

RevueEvidence-based Complementary and Alternative Medicine · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Guangxi Province
Mots-clésMeta-analysisCoronavirus disease 2019 (COVID-19)Coronavirus2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)DiseaseVirologyImmunologyMedicineBetacoronavirusPandemicInternal medicineInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

Objective. To systematically evaluate the value of lymphocytes, platelets, and interleukin-6 in predicting the mortality of patients with coronavirus disease 2019 (COVID-19) and to provide medical evidence for the long-term prognosis of patients with COVID-19. Methods. The latest studies published until July 1, 2021, were retrieved from databases including PubMed, Embase, and Cochrane Library to analyze the ability of lymphocyte and platelet counts as well as interleukin-6 levels to predict mortality in patients with COVID-19. Two reviewers independently screened the literature and extracted data, then evaluated the risk of bias of included studies using the Newcastle–Ottawa Scale (NOS), and used Stata 15.0 software for meta-analysis. Results. A total of nine studies were included, involving 4340 patients. There were 1330 patients in the death group and 3010 patients in the survival group. Meta-analysis showed that, compared with the survival group, lymphocyte counts in the death group were significantly lower (SMD = −0.64, 95% CI: −0.86–−0.43, <a:math xmlns:a="http://www.w3.org/1998/Math/MathML" id="M1"> <a:mi>p</a:mi> <a:mo>&lt;</a:mo> <a:mn>0.01</a:mn> </a:math> ), platelet counts were significantly lower (SMD = −0.47, 95% CI: −0.67–−0.27, <c:math xmlns:c="http://www.w3.org/1998/Math/MathML" id="M2"> <c:mi>p</c:mi> <c:mo>&lt;</c:mo> <c:mn>0.01</c:mn> </c:math> ), and interleukin-6 levels were significantly higher (SMD = 1.07, 95% CI: 0.62–1.53, <e:math xmlns:e="http://www.w3.org/1998/Math/MathML" id="M3"> <e:mi>p</e:mi> <e:mo>&lt;</e:mo> <e:mn>0.01</e:mn> </e:math> ). Conclusion. Lymphocyte and platelet counts, as well as interleukin-6 levels, can help predict the mortality of patients with COVID-19. Due to the limitation of the number and quality of the included studies, these conclusions need to be validated by additional high-quality studies.

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)0,003
score de la tête « metaresearch » (Gemma)0,016
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: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0090,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,500
Tête enseignante GPT0,561
Écart entre enseignants0,061 · 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'étudeRevue systématique
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-based Complementary and Alternative MedicineMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207