Prognostic roles of neutrophil–lymphocyte, monocyte-lymphocyte and platelet-lymphocyte ratios for long-term all-cause mortality in heart failure
Notice bibliographique
Résumé
Background: Heart failure (HF) and inflammation have a bidirectional relation leading to activation and adaptation of multiple cellular lines, including leucocyte subtypes and platelets. We aimed to assess and compare the predictive value of the neutrophil-lymphocyte (NLR), monocyte-lymphocyte (MLR) and platelet-lymphocyte (PLR) ratios for all-cause long-term mortality in HF. Methods: This is an observational retrospective cohort study that included patients from the HI-HF cohort that survived the initial hospitalization. Vital status and survival time were assessed in June 2020. Results: We analyzed 1018 HF patients with a mean age of 72.32 ± 10.29 years and 53.54 % women. All-cause long-term mortality was 38.21 % after a median follow-up time of 68 [38 - 82] months. NLR (AUC 0.667, 95 %CI 0.637 - 0.697), MLR (AUC 0.670, 95 %CI 0.640 - 0.700) and PLR (AUC 0.606, 95 %CI 0.574 - 0.636) were predictors of all-cause mortality. In multivariable Cox proportional hazards analysis, NLR≥3.56 was the only hematological index independent predictor of fatality (HR 1.36, 95 %CI 1.05 - 1.76). Conclusions: Of the three hematological indices, NLR was the only independent predictor of all-cause long-term mortality of HF patients. We suggest NLR≥3.56 as an auxiliary prognostic biomarker for the evaluation of HF patients.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».