C-Reactive Protein-to-Albumin Ratio and Clinical Outcomes in COVID-19 Patients: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
C-reactive protein-to-albumin ratio (CAR) is an independent risk factor in cardiovascular, cerebrovascular, and infectious diseases. Through this study, we investigated the CAR values with respect to the severity and mortality of COVID-19 patients. We performed a systematic review and meta-analysis to retrieve studies that evaluated CAR values upon hospital admission in relation to the severity or mortality of COVID-19 patients. We adopted a random-effect model to calculate the pooled mean difference (MD) and their 95% confidence intervals (CI). Quality assessment was appraised using a Newcastle−Ottawa scale and publication bias was assessed using the Begg-test and funnel plot. We equally performed a subgroup analysis using study location and a sensitivity analysis only with studies with low risk of bias. We analyzed 32 studies (n = 12445). Severe COVID-19 patients had higher on-admission CAR values than non-severe COVID-19 patients (MD: 1.69; 95% CI: 1.35−2.03; p < 0.001; I2 = 89%). Non-survivor patients with COVID-19 had higher CAR values than survivor patients (MD: 2.59; 95% CI: 1.95−3.23; p < 0.001; I2 = 92%). In sensitivity analysis, the relationship remained with a decreasing of heterogeneity for severity (MD: 1.22; 95% CI: 1.03−1.40; p < 0.001; I2 = 13%) and for mortality (MD: 2.99; 95% CI: 2.47−3.51; p < 0.001; I2 = 0%). High CAR values were found in COVID-19 patients who developed severe disease or died.
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 | 0,000 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».