Inflammatory Markers as Predictors of Diabetic Nephropathy in Type 2 Diabetes Mellitus: A Systematic Review and Meta-Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background and Objectives: Diabetic nephropathy (DN) is a major complication of diabetes mellitus and a leading cause of end-stage renal disease. Inflammatory markers such as neutrophil-to-lymphocyte ratio (NLR), platelet-to-lymphocyte ratio (PLR), systemic immune-inflammation index (SII), and red cell distribution width (RDW) have been proposed as potential predictors of DN progression. This study systematically reviews and meta-analyzes the role of these markers in DN. Materials and Methods: A comprehensive literature search was conducted to identify studies evaluating NLR, PLR, SII, and RDW in type 2 diabetes patients with normoalbuminuria, microalbuminuria, and macroalbuminuria. Five databases were searched: PubMed, Scopus, Embase, Web of Science, and LILACS. The Newcastle Ottawa Scale was used to assess the risk of bias in selected articles. Results: Out of 1556 records that were identified through searches, 40 were selected for the review. Finally, 35 were included for meta-analyses, including 13,519 patients. Higher levels of NLR, PLR, SII, and RDW were observed in macro- and microalbuminuria compared to normoalbuminuria, with significantly elevated NLR in microalbuminuria. Meta-analyses showed that NLR and RDW were significantly associated with higher odds of DN (NLR: OR 1.84, p < 0.001; RDW: OR 1.9, p = 0.023). However, PLR and SII were not significantly associated with DN. A longitudinal study confirmed SII as a significant predictor of DN progression (hazard ratio: 3.24, p = 0.023). Conclusions: This study highlights the potential of NLR and RDW as predictive markers for diabetic nephropathy.
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.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle