Neutrophil to lymphocyte ratio and platelet to lymphocyte ratio as prognostic predictors for delirium in critically ill patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: In this systematic review and meta-analysis, we aim to analyze the current literature to evaluate neutrophil to lymphocyte ratio (NLR) and platelet to lymphocyte ratio (PLR) values among critically ill patients who develop delirium as compared to those who do not. METHODS: PubMed, Web of Science, and Scopus were used to conduct a systematic search for relevant publications published before June 12, 2022. The Newcastle-Ottawa scale was used for quality assessment. Because a significant level of heterogeneity was found, we used the random-effects model to generate pooled effects. RESULTS: Twenty-four studies including 11,579 critically ill patients, of whom 2439 were diagnosed with delirium, were included in our meta-analysis. Compared with the non-delirious group, the delirious group's NLR levels were significantly higher (WMD = 2.14; CI 95% = 1.48-2.80, p < 0.01). In the subgroup analysis according to the type of critical condition, the NLR levels in patients of delirious group were significantly more than those of non-delirious group in studies on POD, PSD and PCD (WMD = 1.14, CI 95% = 0.38-1.91, p < 0.01, WMD = 1.38, CI 95% = 1.04-1.72, p < 0.001, and WMD = 4.22, CI 95% = 3.47-4.98, p < 0.001, respectively). However, compared with the non-delirious group, the delirious group's PLR levels were not significantly different (WMD = 1.74; CI 95% = -12.39-15.86, p = 0.80). CONCLUSION: Our findings support NLR to be a promising biomarker that can be readily integrated into clinical settings to aid in the prediction and prevention of delirium.
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 | 0,001 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 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 | 0,001 | 0,000 |
| 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 ».