Monocyte-to-Lymphocyte Ratio as a Marker of Cardiovascular Risk in Individuals with Chronic Kidney Disease: A Systematic Review of Observational Studies
Notice bibliographique
Résumé
ABSTRACT Introduction Inflammation contributes to increasing cardiovascular risk, especially in chronic conditions like chronic kidney disease (CKD). The monocyte-to-lymphocyte ratio (MLR) is a composite marker of inflammation. However, it remains relatively underexplored compared to other biomarkers. This study aimed to assess the MLR in relation to cardiovascular outcomes in CKD. Methods We systematically searched Medline, EMBASE, Web of Science, and Scopus from inception to May 28, 2025. We included peer-reviewed observational studies assessing MLR and cardiovascular outcomes or all-cause death in CKD. Two reviewers independently screened studies, extracted data, and assessed risk of bias using the Newcastle-Ottawa Scale. Findings were narratively synthesized. Results Eleven studies (n = 18,631) met our inclusion criteria. The study population ranged from non-dialysis CKD to end-stage kidney disease on dialysis, with follow-up from 1 to 124 months. Five studies (n = 16,974) examined cardiovascular death and generally reported significant associations with elevated MLR. Six studies (n = 4,587) assessed cardiovascular events except death, yielding inconsistent findings, although some reported significant associations. Five studies (n = 15,682) showed increased risk of all-cause death with increasing MLR. All except one of the eleven studies were rated as good quality. Conclusion Elevated MLR appears to be consistently associated with increased cardiovascular and all-cause death in CKD. Evidence for cardiovascular events remains inconsistent, and thresholds proposed in individual studies may not be generalizable. Large-scale, multi-ethnic, and prospective studies with standardized protocols are needed to validate MLR’s role in cardiovascular risk stratification.
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 | 0,017 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».