Neutrophil-to-lymphocyte ratio (NLR) as a prognostic marker for Dengue severity: A systematic review and meta analysis
Notice bibliographique
Résumé
Background: Dengue fever, a viral infection transmitted by Aedes mosquitoes, manifests in a spectrum of clinical presentations, ranging from mild to severe disease. The neutrophil-to-lymphocyte ratio (NLR), a marker of systemic inflammation, has been investigated as a potential prognostic indicator for dengue severity. However, its predictive value remains inconclusive due to inconsistent evidence. Methods: This systematic review and meta-analysis adhered to the PRISMA guidelines. Relevant observational studies were retrieved from ScienceDirect, Web of Science, Scopus, NCBI PubMed, ProQuest, and EBSCO databases. Studies reporting NLR values and their association with dengue severity were included. Quality assessment was performed using the Newcastle-Ottawa Scale, and data analysis employed a random-effects model to address heterogeneity. Results: A total of nine studies involving 3,289 participants were included. Findings regarding the relationship between NLR and dengue severity were inconsistent. The results of this meta-analysis highlight a significant correlation between a higher NLR and the severity of dengue fever (OR 2.74 (95% CI: 1.97, 3.81)). Conclusions: The NLR demonstrates potential as a simple and cost-effective inflammatory marker; however, its prognostic utility in dengue severity remains limited. The overall meta-analysis suggests a significant correlation between elevated NLR and increased severity of dengue infection. However, NLR should be considered alongside other clinical indicators to provide a more comprehensive assessment of dengue severity. Future research with larger and more homogeneous sample sizes is necessary to further validate these findings and explore the underlying mechanisms linking NLR to disease progression.
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 | 0,015 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,042 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».