MétaCan
Menu
Retour à la cohorte
Enregistrement W4390269483 · doi:10.5603/cj.98214

The role of the neutrophil-lymphocyte ratio in predicting poor outcomes in COVID-19 patients

2023· article· en· W4390269483 sur OpenAlexaff
Raymond Farah, Rola Khamisy‐Farah, Kacper Dziedzic, Ewa Skrzypek, Michał Pruc, Nicola Luigi Bragazzi, Łukasz Szarpak, Mahmoud Jomah

Notice bibliographique

RevueCardiology Journal · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMedicineCase fatality rateInternal medicineNeutrophil to lymphocyte ratioCoronavirus disease 2019 (COVID-19)Retrospective cohort studyLymphocyteMortality rateAbsolute neutrophil countDiseaseEpidemiologyInfectious disease (medical specialty)Neutropenia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study examines how the neutrophil-lymphocyte ratio (NLR) predicts coronavirus disease 2019 (COVID-19) hospitalization, severity, length, and mortality in adult patients. METHODS: A study was done using a retrospective, single-center, observational design. A total of 400 patients who were admitted to the Ziv Medical Center (Safed, Israel) from April 2020 to December 2021 with a confirmed diagnosis of COVID-19 through RT-PCR testing were included in the analysis. Two complete blood count laboratory tests were conducted for each patient. The first test was administered upon admission to the hospital, while the second test was conducted prior to the patient's discharge from the hospital or a few days before their death. RESULTS: Four hundred patients were included in the study, 206 males (51.5%) and 194 females (48.5%). The mean age was 64.5 ± 17.1 years. In the group of cases, there were 102 deaths, and 296 survivors were recorded, with a fatality rate of 25.5%. The median NLR was 6.9 ± 5.8 at the beginning of hospitalization and 15.1 ± 32.9 at the end of hospitalization (p < 0.001). The median length of hospital stay was 9.4 ± 8.8 days. NLR in the fatality group was 34.0 ± 49.9 compared to 8.4 ± 20.4 in the survivor group (p < 0.001). Comparison between the NLR at the time of admission of the patient and before discharge/death was 6.9 ± 5.8 vs. 15.1 ± 32.9 (p < 0.001). CONCLUSIONS: The analyses conducted revealed a statistically significant correlation between the NLR and the severity, mortality rates, and the duration of hospitalization. The consideration of NLR should commence during the initial phases of the disease when assessing individuals afflicted with COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,392
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology JournalMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207