Inflammatory Markers in Diabetic Foot Infection: A Meta-Analysis
Notice bibliographique
Résumé
INTRODUCTION: Diabetic foot infection is a serious and painful process for patients with diabetes, and the considerable morbidity associated with the condition warrants attention. Effective inflammatory markers may become important in the detection of diabetic foot infection. OBJECTIVE: The goal of the research was to systematically assess the function of inflammatory markers in the detection of diabetic foot infection. METHODS: Online databases including PubMed, SpringerLink, and Web of Science were searched. The quality of research and data was assessed using the Newcastle-Ottawa Scale. A random-effects model was used to compare changes in inflammatory markers between patients with infected diabetic foot (IDF) and patients with non-infected diabetic foot. RESULTS: Ten studies with 785 participants were included in the systematic review. The study analyzed 3 inflammatory markers: white blood cell (WBC) count, C-reactive protein (CRP) level, and procalcitonin (PCT) level. The meta-analysis indicated that mean WBC count (standardized mean differences [SMD]: 0.51, 95% CI: 0.23, 0.79; P < .0001), mean CRP level (SMD: 1.05, 95% CI: 0.60, 1.50; P < .0001) and mean PCT level (SMD: 0.80, 95% CI: 0.36, 1.24; P < .0001) were higher in patients with IDF. The differences were statistically significant, but the funnel plots indicated the existence of publication bias. CONCLUSIONS: The meta-analysis further confirmed the significant association between inflammatory markers and diabetic foot infection. It also confirmed that WBC count, CRP level, and PCT level can be used as laboratory auxiliary indexes in the detection of diabetic foot infection, providing information for improved diagnosis and prevention.
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 | 0,024 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».