MétaCan
Menu
Retour à la cohorte
Enregistrement W4286610829 · doi:10.3390/medicina58070963

Digging into the Role of Inflammatory Biomarkers in Sudden Sensorineural Hearing Loss Diagnosis and Prognosis: A Systematic Review and Meta-Analysis

2022· review· en· W4286610829 sur OpenAlexaff
Andrea Frosolini, Leonardo Franz, Antonio Daloiso, Andrea Lovato, Cosimo de Filippis, Gino Marioni

Notice bibliographique

RevueMedicina · 2022
Typereview
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensUniversity Health Network
Organismes subventionnairesUniversità degli Studi di Padova
Mots-clésMedicineMeta-analysisInclusion and exclusion criteriaWeb of scienceConfidence intervalInternal medicineSystematic reviewOtorhinolaryngologyHearing lossCritical appraisalMEDLINESurgeryPathologyAudiologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Background and Objectives: Sudden Sensorineural Hearing Loss (SSNHL) is a quite common clinical finding in otolaryngology. Most cases are classified as idiopathic and there is a dearth of information on factors able to predict the response to treatment and hearing recovery. The main aim of this systematic review and meta-analysis was to assess and critically discuss the role of circulating inflammatory biomarkers in SSNHL. Materials and Methods: A search was conducted of the English literature published between 1 January 2009 and 7 July 2022 on Pubmed, Scopus, Web of Science, ScienceDirect, and Cochrane following PRISMA guidelines. Results: A total of 256 titles were retrieved from the search. After full-text screening and application of inclusion/exclusion criteria, 13 articles were included. Twelve out of thirteen studies reported significant differences in biomarkers values in SSNHL patients, of which Tumor Necrosis Factor alpha (TNF-α) and C-reactive Protein (CRP) were the most analyzed. Our meta-analysis for CRP’s mean values in SSNHL groups vs. controls showed significantly higher CRP levels with a pooled overall difference of 1.07; confidence interval (CI) at 95%: 0.03; 2.11. For TNF-α, discordant results were found: three studies showed significantly higher levels in SSNHL patients vs. controls, whereas other three investigations showed lower levels in the SSNHL groups (overall pooled difference 1.97; 95% CI: −0.90; 4.84). A high between-study heterogeneity was found. Conclusions: This systematic review pointed out that, although there exists a growing literature in the field of circulatory biomarkers identification in SSNHL, there is a high heterogeneity of results and low quality of evidence. CRP resulted to be higher in SSNHL patients than in controls, while TNF-α showed more heterogeneous behavior. The data reported herein needs to be confirmed in well-designed prospective multicenter randomized studies, with the objective of improving SSNHL treatment and outcome and thereby reducing the social burden of hearing loss.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,062
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0220,048
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,073
Tête enseignante GPT0,326
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicinaMême sujetVestibular and auditory disordersTravaux en français237 207