Systematic review and meta-analysis of the association of neutrophil-to-lymphocyte ratio and platelet-to-lymphocyte ratio with periodontitis
Notice bibliographique
Résumé
INTRODUCTION: Recent evidence suggests the relationship between periodontitis and systemic inflammation, which complete blood count can assess (CBC)-derived biomarkers such as neutrophil-to-lymphocyte ratio (NLR) and platelet-to-lymphocyte ratio (PLR). We conducted this meta-analysis to evaluate the levels of NLR and PLR of patients with periodontitis compared to those of healthy controls. METHODS: Web of Science, PubMed, ProQuest, Scopus, and Open Grey were searched for studies published before October 20, 2024, without any limitation on date and language; then, using the random-effects model, we reported a standardized mean difference (SMD) with a 95% confidence interval (CI). In order to assess the quality of publications, we used the Newcastle-Ottawa scale (NOS). Our study was registered in PROSPERO (CRD42023475214). RESULTS: Overall, 11 articles were included in the analysis. We found that patients with periodontitis had elevated levels of NLR compared to healthy controls (SMD = 0.30, 95% CI 0.08-0.52, p = 0.007) In the subgroup analysis according to race, patients with periodontitis had elevated levels of NLR compared to healthy controls in among East Asian patients (SMD = 0.35, 95% CI 0.15-0.55, p = 0.001), but not among Turkish (SMD = 0.15, 95% CI - 0.30-0.61, p = 0.50) and Indian (SMD = 0.38, 95% CI - 0.17-0.94, p = 0.18) patients. In addition, PLR level was not different among patients with periodontitis and healthy controls (SMD = 0.06, 95% CI - 0.71-0.83, p = 0.87). CONCLUSIONS: The findings of our investigation, which indicate higher NLR levels in periodontitis patients, show that immune dysregulation plays a role in the etiology of the disease.
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 | 0,027 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».