Neutrophil to lymphocyte ratio in odontogenic infection: a systematic review
Notice bibliographique
Résumé
AbstractBackground We conducted this systematic review to compile the evidence for the role of neutrophil to lymphocyteratio (NLR) in odontogenic infection (OI) and to determine whether NLR is elevated in patients with OI. This was doneto aid physicians in better understanding this condition for clinical management.Methods The search was conducted on PubMed, Scopus, and Web of Science libraries on March 30, 2023. Tworeviewers independently screened the studies using Endnote software. The Newcastle-Ottawa Scale (NOS) was usedto evaluate the quality of the studies.Results A total of nine studies were included in the review. Among patients with OI, positive and statisticallysignificant correlations of NLR were seen with more severe disease, a prolonged hospital stay, postoperativerequirement of antibiotics, and total antibiotic dose needed. In the receiver operating characteristics (ROC) analysis,the optimum cut–off level of NLR was 5.19 (specificity: 81, sensitivity: 51). In addition, NLR was correlated withpreoperative fever (p = 0.001). Among patients with Ludwig’s Angina, NLR could predict disease severity and length ofstay in the hospital (p = 0.032 and p = 0.033, respectively). In addition, the relationship between the NLR and mortalitywas statistically significant (p = 0.026, specificity of 55.5%, and sensitivity of 70.8%). Among patients with severe oraland maxillofacial space infection, a positive correlation was found between IL-6 and CRP with NLR (rs = 0.773, P = 0.005and rs = 0.556, P = 0.020, respectively). Also, a higher NLR was considered an essential predictor of organ involvement(P = 0.027) and the number of complications (P = 0.001). However, among diabetes mellitus (DM) patients afflictedwith submandibular abscesses, NLR had no association with therapeutic response.Conclusions Many people around the world suffer from OI, and a cheap and fast biomarker is needed for it.Interestingly, inflammation plays a role in this infection, and elevated NLR levels can be a good biomarker ofinflammation and, as a result, for OI 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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».