Platelet-to-lymphocyte ratio as a prognostic biomarker for COVID-19 severity: a single center retrospective data analysis and systematic review with meta-analysis of 187 studies
Notice bibliographique
Résumé
INTRODUCTION: This study aims to evaluate the prognostic value of the platelet-to-lymphocyte ratio in determining the severity and mortality of adults hospitalized for COVID-19 using retrospective data and a meta-analysis of previous studies on the platelet-to-lymphocyte ratio worldwide. MATERIAL AND METHODS: A retrospective study was conducted at the Kırdar City Hospital (Istanbul, Turkey) and included 521 COVID-19 patients. A systematic literature search of EMBASE, MEDLINE, the Cochrane Central Register of Controlled Trials (CENTRAL), and Google Scholar databases was performed for relevant trials relating to the PLR ratio in COVID-19 published before April 12, 2023. RESULTS: In the retrospective part of the study, PLR values were found to predict COVID-19 severity at admission with an AUC of 0.61 (SE = 0.03; 95% CI: 0.56 to 0.65; p = 0.0003) as well as survival status in a statistically significant fashion with an AUC of 0.59 (SE = 0.03; 95% CI: 0.55 to 0.64; p = 0.0004). Results of our meta-analysis showed a significant relationship between PLR and COVID-19 severity, with a pooled standardized mean difference (SMD) of 1.34 (95% CI: 1.13 to 1.55; p < 0 .001), and that PLR was significantly lower among patients who survived compared to deceased patients (SMD = –1.32; 95% CI: 1.57 to –1.07; p < 0.001). CONCLUSIONS: PLR is a valid, readily available marker that can distinguish COVID-19 individuals with distinct progression and survival outcomes.
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 | 0,025 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,049 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; 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 ».