EP-182 The predictive significance of neutrophil-to-lymphocyte ratio in cholecystitis: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Aims The aim of this review was to examine whether neutrophil-to-lymphocyte ratio (NLR) can predict the presence of cholecystitis and distinguish between simple and severe cholecystitis. Methods A systematic literature search was performed. Risk of bias was assessed using the Newcastle-Ottawa Scale. Random effects model was used to calculate mean difference (MD) in two situations: (a) no cholecystitis versus cholecystitis and (b) simple versus severe cholecystitis. Receiver operating characteristic (ROC) curve analysis was performed to determine cut-off values of NLR for the above situations. Results Ten retrospective studies comprising of 2827 patients were included. 327 had no cholecystitis, 2100 had simple cholecystitis and the remaining 400 had severe cholecystitis. NLR was significantly higher in acute cholecystitis compared to “no cholecystitis” (MD = 8.05 (95% CI 7.71–8.38), p < 0.01) and severe cholecystitis when compared with simple cholecystitis (MD = 3.14 (95% CI 1.26–5.02), p < 0.01). For patients with cholecystitis compared to those without cholecystitis, an NLR cut-off value of 2.98 was identified (AUC = 0.90). Logistic regression analysis confirmed NLR > 2.9 was an independent predictor of cholecystitis (OR 36.0, p = 0.006). In simple versus severe cholecystitis, an NLR cut-off value of 8.5 was identified (AUC = 0.73). Binary logistic regression analysis suggested an NLR > 8.5 was not an independent predictor of severe cholecystitis (OR 6.5 p = 0.090). Conclusion NLR is significantly higher in patients with cholecystitis of any severity compared to patients without cholecystitis. Moreover, NLR can predict acute cholecystitis. However, NLR cannot predict the severity of disease due to inadequately powered studies.
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 | 0,015 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».