Association of Red Blood Cell and Platelet Parameters with Metabolic Syndrome: A Systematic Review and Meta-Analysis of 170,000 Patients
Notice bibliographique
Résumé
This systematic review and meta-analysis aim to establish associations between metabolic syndrome (MetS) and erythrocyte and platelet markers, contributing to improved diagnostic tests for identifying individuals at risk. Observational studies and Randomized Controlled Trials (RCTs) were included. The standardized mean difference (SMD) and 95% confidence intervals (CI) of erythrocyte and platelet markers between individuals with and without MetS were used as effect size (inverse variance model). Methodological quality assessment was conducted using the Newcastle-Ottawa scale (NOS) for observational studies and the Cochrane Risk of Bias tool 2.0 for RCTs. The analysis included 51 articles. Compared to controls, individuals with MetS exhibited significantly higher concentrations of mean red blood cell count [Standardized Mean Difference (95% CI): 0.15 (0.13-0.18); p<0.00001], hemoglobin [0.24 (0.18-0.31); p<0.00001], blood platelet count [5.49 (2.78-8.20); p<0.0001], and red blood cell distribution width [(0.55 (0.05-1.04); p=0.03]. Regarding mean platelet volume [0.16 (- 0.03 to 0.35); p=0.10] and platelet-to-lymphocyte ratio (PLR) [7.48 (-2.85-17.81); p=0.16], a non-significant difference was observed in patients with MetS. There was no statistically significant difference in hematocrit counts between the two groups [0.47 (-0.40 to -1.34); p=0.29]. Biomarkers such as mean red blood cell count, hemoglobin, blood platelet count, and RDW are associated with higher levels in patients in MetS, whereas mean platelet volume and PLR tend to be lower. These markers can potentially provide new avenues for early diagnosis of MetS.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,000 | 0,001 |
| 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 ».