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 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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».