Blood Cell Count Inflammatory Markers as Prognostic Indicators of Periodontitis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
(1) Background: Our study aimed to assess the association between the neutrophil to lymphocyte ratio (NLR), platelet to leukocyte ratio (PLR), lymphocyte to monocyte ratio (LMR), red cell distribution width (RDW), and systemic immune inflammation index (SII) and periodontitis. (2) Methods: We searched PubMed, Embase, Scopus, Web of Science, and LILACS databases, identifying observational studies. The Newcastle Ottawa scale was used to evaluate the quality of the included studies. The principal summary outcome measure in our random effects meta-analysis was the mean difference (MD). (3) Results: After screening 682 search results, a total of 10 studies including 3164 subjects were selected for quantitative assessment. We found a higher mean NLR, PLR, and LMR in the periodontitis group compared to the control group (0.41 (95% CI 0.12–0.7), p = 0.006; 7.43 (95% CI 0.31–14.54), p = 0.04; 2.05 (95% CI 0.27–3.83), p = 0.024). No differences were observed for RDW. (4) Conclusions: We found an association between NLR, LMR, and PLR and periodontitis, which might be thought of as emerging blood cell count inflammatory biomarkers that could shed light on the link between periodontitis and systemic disbalances, as well as for periodontitis prognosis and grading.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 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 ».