KADAR C-REACTIVE PROTEIN, D-DIMER, DAN LAKTAT DEHIDROGENASE SEBAGAI PREDIKTOR LUARAN COVID-19 PADA ANAK: SEBUAH KAJIAN SISTEMATIS
Notice bibliographique
Résumé
Background: Coronavirus Disease (COVID-19) is an infectious disease caused by Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2). During a surge in COVID-19 cases, Indonesia has the highest child mortality rate due to COVID-19. Until now, there have not been many studies that explain the laboratory characteristics of COVID-19 in children. This systematic review aimed to assess the significance of laboratory findings, specifically c-reactive protein (CRP), D-dimer, and lactate dehydrogenase (LDH), to predict the severity of COVID-19 in children. Methods: A systematic review was conducted through PubMed, Scopus, Cochrane, and Google Scholars to search for studies analyzing the prognostic value of c-reactive protein (CRP), D-dimer, and lactate dehydrogenase (LDH) in children with COVID-19. Quality assessments of studies were performed using the Newcastle-Ottawa Scale. Discussion: The search yielded 11 studies with a total of 3424 subjects. C-reactive protein (CRP) levels were significantly increased in pediatric patients with severe/critical COVID-19. The concentration of CRP can reflect the severity of the disease and the magnitude of the acute inflammatory response. Moreover, children with complications had higher levels of c-reactive protein (CRP) and D-dimer. Conclusion: In conclusion, c-reactive protein (CRP) levels can be a potential biomarker to improve early identification and treatment of severe COVID-19 disease in children. Further studies on D-dimer and lactate dehydrogenase (LDH) levels as markers of COVID-19 severity are still needed to provide strong recommendations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».