MétaCan
Menu
Retour à la cohorte
Enregistrement W4411033059 · doi:10.31083/rcm27942

Platelet-To-Lymphocyte Ratio Efficiency in Predicting Major Adverse Cardiovascular Events After Percutaneous Coronary Intervention in Acute Coronary Syndromes: A Meta-Analysis

2025· review· en· W4411033059 sur OpenAlexaboutno aff
Tuerxun Zulikaier, Balati Yumaierjiang, Pengyi He

Notice bibliographique

RevueReviews in Cardiovascular Medicine · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePercutaneous coronary interventionInternal medicineConventional PCIAcute coronary syndromeSubgroup analysisMeta-analysisCochrane LibraryReceiver operating characteristicCardiologyPublication biasInclusion and exclusion criteriaMyocardial infarctionPathology

Résumé

récupéré en direct d'OpenAlex

Background: The platelet-to-lymphocyte ratio (PLR) is applied as a potential first-line prognostic predictor for many cardiovascular diseases due to its simplicity and accessibility. This meta-analysis aimed to quantify the predictive power of PLR for major adverse cardiovascular events (MACEs) in patients with acute coronary syndrome (ACS) undergoing percutaneous coronary intervention (PCI), explore its predictive efficacy in different populations, and identify other potential influencing factors. Methods: PubMed, Embase, Cochrane Library, and Web of Science databases were comprehensively searched for eligible studies until February 7, 2025, based on the inclusion and exclusion criteria. The Newcastle–Ottawa scale (NOS) was employed for quality assessment. Sensitivity, specificity, summary receiving operating characteristic (SROC) and area under the curve (AUC) were combined using Stata 15.1 and Meta-DiSc software. Meta-regression analyses, subgroup analyses, threshold effect analyses, sensitivity analyses, and publication bias tests were performed. Results: Nine studies (7174 patients) were enrolled. High PLR could predict MACEs in ACS patients undergoing PCI, with 0.68 sensitivity (95% CI, 0.60–0.76), 0.65 specificity (95% CI, 0.57–0.73), and 0.72 AUC (95% CI, 0.68–0.76). Subgroup analyses noted that PLR better predicted MACEs after PCI in ACS patients in the subgroup with a higher proportion of female patients and the subset aged >60 years. Meta-regression analyses unveiled that study type (p < 0.01) and PLR cutoff value (p < 0.01) might be sources of heterogeneity in the sensitivity analyses, while the mean age (p < 0.001) and sex ratio (p = 0.05) might be sources of heterogeneity in the specificity analyses. Conclusions: High PLR levels have favorable values in predicting in-hospital and long-term MACEs after PCI in ACS patients. The PLR had greater sensitivity and an improved ability to identify risk in patients aged >60 years and the subgroup with a higher proportion of women and was also more sensitive to in-hospital MACEs. The PROSPERO Registration: No. CRD42024537586, https://www.crd.york.ac.uk/PROSPERO/view/CRD42024537586.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,502
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0270,035
Bibliométrie0,0060,008
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,330
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReviews in Cardiovascular MedicineMême sujetInflammatory Biomarkers in Disease PrognosisTravaux en français237 207