Association of neutrophil-to-lymphocyte ratio with clinical outcomes after percutaneous coronary intervention
Notice bibliographique
Résumé
AIMS: Inflammation contributes significantly to coronary artery disease (CAD). The neutrophil-to-lymphocyte ratio (NLR) has emerged as a readily available biomarker reflecting both inflammatory and immune cells' activity, potentially enhancing risk stratification of patients with CAD. This study evaluates the clinical impact of baseline NLR in patients undergoing percutaneous coronary intervention (PCI) for both chronic coronary syndrome and acute coronary syndrome (ACS). METHODS AND RESULTS: We conducted a retrospective analysis of patients undergoing PCI at Mount Sinai Hospital between 2012 and 2022. Patients were stratified into NLR quartiles and outcomes were analysed using Cox regression models. The primary endpoint was major adverse cardiovascular events (MACEs) at 1-year follow-up, including all-cause death, myocardial infarction (MI), and stroke. A total of 7287 patients were included in the study. Age, male sex, comorbidities, high-sensitivity C-reactive protein, and complexity of PCI tended to be higher in the highest NLR quartiles. At 1 year, MACE incidence increased across NLR quartiles, from 5.1% (1st quartile) to 9.3% (4th quartile) (P for trend = 0.004). Compared with the 1st quartile, the 4th NLR quartile (NLR > 5.0) was associated with increased adjusted risks of MACE [adjusted hazard ratio (adjHR) 1.52, 95% CI 1.12-2.05], all-cause death (adjHR 1.71, 95% CI 1.10-2.65), MI (adjHR 1.53, 95% CI 1.00-2.35), and bleeding (adjHR 2.01, 95% CI 1.50-2.70). Ischaemic risk associated with high NLR was more pronounced in patients presenting with ACS and chronic kidney disease (CKD). CONCLUSION: Baseline NLR is associated with adverse cardiovascular outcomes in CAD patients undergoing PCI. Assessment of NLR could enhance risk stratification particularly in patients with ACS and CKD.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».