A Clinical Retrospective Study on the Combined Use of Monocyte-to-Lymphocyte Ratio and Triglyceride-Glucose Index to Predict the Severity of Coronary Artery Disease
Notice bibliographique
Résumé
Background: Coronary artery disease (CAD) remains a leading cause of morbidity and mortality. Traditional risk models based on factors like age, hypertension, and lipid levels are limited in individualized prediction, especially for high-risk populations. This study evaluates the independent and combined predictive value of the monocyte-to-lymphocyte ratio (MLR) and triglyceride-glucose (TyG) index for assessing CAD severity. Methods: In this single-center, retrospective study, 678 patients who underwent coronary angiography (CAG) between January 2022 and June 2024 were included. Eligible patients were aged ≥ 40 years with suspected or confirmed CAD. Clinical data and laboratory values were extracted from electronic records. MLR was calculated as the monocyte-to-lymphocyte ratio, and TyG index was derived from fasting triglycerides and glucose. CAD severity was categorized by SYNTAX scores into no CAD, mild, moderate, and severe CAD. Statistical analyses included Spearman correlation, multivariate logistic regression, and receiver operating characteristic (ROC) curve analysis to assess the diagnostic accuracy of MLR and TyG index. Results: Of the 678 patients, 67.1% had CAD. Both MLR and TyG index were significantly associated with CAD severity, with MLR showing a stronger correlation with SYNTAX scores. Multivariate analysis confirmed MLR (odds ratio (OR) = 2.15) and TyG index (OR = 1.75) as independent predictors of CAD. The combined MLR-TyG model achieved an area under the curve (AUC) of 0.804, surpassing the predictive value of each marker alone. Subgroup analysis indicated high predictive accuracy in diabetic and hypertensive patients. Conclusions: MLR and TyG index independently and jointly predict CAD severity, with the combined model enhancing diagnostic accuracy. Reflecting both inflammatory and metabolic dysfunction, this dual-marker approach offers a practical tool for CAD risk stratification, particularly in high-risk populations. Further multicenter studies are needed to validate these findings and examine additional biomarker combinations to refine CAD risk models.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».