Neutrophil to Lymphocyte Ratio as a Predictor of Postoperative Outcomes in Traumatic Brain Injury: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
(1) Introduction: Traumatic brain injury (TBI) is a leading cause of injury and mortality worldwide, carrying an estimated cost of $38 billion in the United States alone. Neutrophil to lymphocyte ratio (NLR) has been investigated as a standardized biomarker that can be used to predict outcomes of TBI. The aim of this review was to determine the prognostic utility of NLR among patients admitted for TBI. (2) Methods: A literature search was conducted in PubMed, Scopus, and Web of Science in November 2022 to retrieve articles regarding the use of neutrophil to lymphocyte ratio (NLR) as a prognostic measure in traumatic brain injury (TBI) patients. Inclusion criteria included studies reporting outcomes of TBI patients with associated NLR values. Exclusion criteria were studies reporting only non-primary data, those insufficiently disaggregated to extract NLR data, and non-English or cadaveric studies. The Newcastle-Ottawa Scale was utilized to assess for the presence of bias in included studies. (3) Results: Following the final study selection 19 articles were included for quantitative and qualitative analysis. The average age was 46.25 years. Of the 7750 patients, 73% were male. Average GCS at presentation was 10.51. There was no significant difference in the NLR between surgical vs. non-surgical cohorts (SMD 2.41 95% CI −1.82 to 6.63, p = 0.264). There was no significant difference in the NLR between bleeding vs. non-bleeding cohorts (SMD 4.84 95% CI −0.26 to 9.93, p = 0.0627). There was a significant increase in the NLR between favorable vs. non-favorable cohorts (SMD 1.31 95% CI 0.33 to 2.29, p = 0.0090). (4) Conclusions: Our study found that NLR was only significantly predictive for adverse outcomes in TBI patients and not surgical treatment or intracranial hemorrhage, making it nonetheless an affordable alternative for physicians to assess patient prognosis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,028 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».