Assessing the Predictive Value of D-dimer in Acute Pancreatitis: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Introduction: Acute Pancreatitis (AP) often leads to multi-organ dysfunction with high morbidity and mortality necessitating early identification for optimal management. Traditional severity scores have limitations, prompting exploration of biomarkers like D-dimer. Aim: To evaluate D-dimer’s accuracy as a severity marker in AP when compared to theother biomarkers. Materials and Methods: The present comprehensive search was conducted on multiple databases. The authors included randomised clinical trials, cohort, cross-sectional, and casecontrol studies with adults diagnosed with AP and D-dimer measurements. Non-human studies, case reports, and nonEnglish articles were excluded. Risk of bias was assessed using the Newcastle-Ottawa Scale. Data were analysed with R software focusing on diagnostic accuracy. Results: Nineteen studies met the inclusion criteria. Most were retrospective with predominantly male participants. The pooled sensitivity for D-dimer in identifying Severe AP (SAP) was 0.85 (95% CI: 0.78-0.91), and specificity was 0.58 (95% CI: 0.31-0.85). The AUC for diagnostic accuracy was 0.75 (95% CI: 0.66-0.83). For severity assessment, sensitivity was 0.77 (95% CI: 0.71-0.83), specificity was 0.75 (95% CI: 0.67- 0.83), and AUC was 0.78 (95% CI: 0.73-0.83). D-dimer had 0.86 sensitivity for organ failure detection (AUC 0.72, 95% CI: 0.63-0.81). Conclusion: D-dimer shows moderate-to-high accuracy in identifying SAP and predicting organ failure. It is a promising, cost-effective, and easily accessible biomarker for early severity assessment. Further research is needed to confirm its clinical role and integration into severity models.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».