MétaCan
Menu
Retour à la cohorte
Enregistrement W4392846712 · doi:10.1177/00033197241238512

Prognostic Role of Neutrophil to Lymphocyte Ratio in Contrast-Induced Nephropathy: A Systematic Review and Meta-analysis

2024· review· en· W4392846712 sur OpenAlexaboutno aff
Tao He, Behnood Mohammadpour, Matthew Willman, Shirin Yaghoobpoor, Jonathan Willman, Brandon Lucke‐Wold, Sarina Aminizadeh, Shokoufeh Khanzadeh, Aida Bazrgar, Arshin Ghaedi

Notice bibliographique

RevueAngiology · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisInternal medicineConfidence intervalContrast-induced nephropathyStrictly standardized mean differenceNeutrophil to lymphocyte ratioBiomarkerLymphocyteStudy heterogeneityGastroenterology

Résumé

récupéré en direct d'OpenAlex

This meta-analysis assessed the use of the neutrophil-to-lymphocyte ratio (NLR) as a means of early detection of contrast-induced nephropathy (CIN) following diagnostic or therapeutic procedures. We used Web of Science, PubMed, and Scopus to conduct a systematic search. There was no limitation regarding language or date of publication. We reported standardized mean difference (SMD) with a 95% confidence interval (CI). Due to high heterogeneity, a random-effects model was used, and the Newcastle–Ottawa scale was used for quality assessment. Thirty-one articles were included in the analysis. Patients in the CIN group had elevated levels of NLR compared with those in the non-CIN group (SMD = 0.78, 95% CI = 0.52–1.04, P < .001). Similar results were observed in either prospective (SMD = 1.03, 95% CI = 0.13–1.93, P = .02) or retrospective studies (SMD = 0.70, 95% CI = 0.45–0.96, P < .001). The pooled sensitivity of NLR was 74.02% (95% CI = 66.54%–81.02%), and the pooled specificity was 60.58% (95% CI = 53.94%–66.84%). NLR shows potential as a cost-effective biomarker for predicting CIN associated with contrast-involved treatments. This could help implement timely interventions to mitigate CIN and improve 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 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)0,012
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,026
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0190,049
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,092
Tête enseignante GPT0,406
Écart entre enseignants0,315 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngiologyMême sujetAcute Kidney Injury ResearchTravaux en français237 207