The role of C-reactive protein and ferritin in the diagnosis of HLH, adult-onset still’s disease, and COVID-19 cytokine storm
Notice bibliographique
Résumé
Cytokine storm syndromes such as hemophagocytic lymphohistiocytosis (HLH), Adult-onset Still's disease (AOSD), and COVID-19 cytokine storm (CCS) are characterized by markedly elevated inflammatory cytokines. However clinical measurement of serum cytokines is not widely available. This study examined the clinical utility of C-reactive protein (CRP) and ferritin, two inexpensive and widely available inflammatory markers, for distinguishing HLH from AOSD and CCS. This single centre retrospective study included 44 secondary HLH patients, 14 AOSD patients, and 13 CCS patients. Baseline CRP and ferritin measured within 72 h of diagnosis and before administration of corticosteroids or other anti-inflammatory therapies were analyzed. The median CRP in HLH patients was lower than AOSD (71 mg/L vs. 172 mg/L, p < 0.001) and CCS (71 mg/L vs. 121 mg/L, p = 0.0095) patients. Serum ferritin levels were lower in CCS compared to HLH (1,386 µg/L vs. 29,019 µg/L, p < 0.001) and AOSD (11,359 µg/L vs. 29,019 µg/L, p = 0.035). A CRP < 130 mg/L when combined with an HScore > 136 improves the specificity of HScore alone for HLH from 85.2 to 96.3%. Adding CRP < 130 mg/L to ferritin > 15,254 µg/L increases specificity for HLH from 88.9 to 100%. This study demonstrates that median CRP is lower in HLH than in AOSD and CCS, and median ferritin is lower in CCS than in HLH or AOSD. This study demonstrates the clinical utility of these widely available inflammatory markers for distinguishing between different cytokine storm syndromes.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».