Prognostic impact of neutrophil-to-lymphocyte ratio in traumatic brain Injury: A systematic review and meta-analysis
Notice bibliographique
Résumé
Disponer de herramientas para evaluar el pronóstico en pacientes con traumatismo craneoencefálico (TEC) es fundamental para un manejo terapéutico individualizado. La proporción de neutrófilos a linfocitos (NLR) es un biomarcador inflamatorio ampliamente utilizado que ha demostrado tener una capacidad pronóstica en varias enfermedades neurológicas, incluido el TEC. Sin embargo, no existe una revisión sistemática que resuma la evidencia disponible. Realizamos una búsqueda bibliográfica en 6 bases de datos. La calidad de los estudios se evaluó mediante la Newcastle-Ottawa Scale (NOS). Las medidas de efecto se expresaron como odds ratios (OR) y sus intervalos de confianza (IC) al 95%. Las diferencias de medias estandarizadas se convirtieron a Log[OR] utilizando el método de Chinn. El análisis cuantitativo se realizó mediante un modelo de efectos aleatorios. El efecto de los estudios pequeños se evaluaron con la prueba de Egger. Se incluyeron 8 estudios de cohortes. Los resultados no mostraron asociación entre los valores de NLR y la mortalidad en pacientes con diagnóstico de TEC (OR 2,42;IC95% 0,63-9,28; p=0,20; I2=92 %) o con resultados favorables/desfavorables en pacientes con TEC (OR 3,00,95 % IC 0,76-11,85, p=0,12,I2=99%). Los análisis de subgrupos no mostraron asociación (Resultado temprano: OR 2,63,IC95%:0,99-6,96; p=0,05;I2=95 %) (Resultado tardío: OR 3,36, IC95 %:0,22-52,17;p=0,39;I2=100 %). No hubo indicios de efecto de estudios pequeños para el resultado favorable/desfavorable (prueba-de-Egger=0,149). No encontramos asociación entre los valores de NLR y el resultado favorable/desfavorable o la mortalidad. Se requieren más estudios de alta calidad para tener una mejor perspectiva de las capacidades pronósticas de NLR en TEC.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,007 |
| Bibliométrie | 0,003 | 0,010 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».