Systemic immune-inflammation index as a potential biomarker for predicting acute pulmonary embolism: A systematic review
Notice bibliographique
Résumé
Abstract Background Acute pulmonary embolism (APE) is a life-threatening condition with a high mortality rate. The pathophysiology involves various complex processes. The systemic immune-inflammatory index (SII) is a well-known biomarker that reflects the intricate balance between pro-inflammatory and anti-inflammatory immune components. In this systematic review, we aim to determine the significance of SII as a potential biomarker for APE. Method We utilized PubMed, ProQuest, EBSCOHost, and Google Scholar to search for articles. We assessed bias risk using the Newcastle Ottawa Scale (NOS). The outcomes we examined included in-hospital and long-term mortality, the severity of APE, and the sensitivity and specificity of the SII in predicting APE. Results: Four studies, involving 2,038 patients, were included for analysis. These studies discuss the use of SII in predicting APE severity, APE mortality, high-risk APE, and the occurrence of APE. SII demonstrates significant results in predicting each of these variables. Furthermore, each study establishes different SII cut-off values. Specifically, a cut-off of 1161 predicts massive APE events with a sensitivity of 91% and a specificity of 90%. A cut-off of >1235.35 differentiates high-risk APE with a sensitivity of 87.32% and a specificity of 68.85%. A cut-off of >1111x10 9 predicts overall mortality with a sensitivity of 72% and a specificity of 51%. Finally, a cut-off at 1839.91 predicts APE events with a sensitivity of 75.8% and a specificity of 61.9%. Conclusion The SII can be employed as a potential new biomarker to predict outcomes in APE patients, particularly the occurrence, severity, and mortality of APE.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».