Impact of tea drinking upon tuberculosis: a neglected issue
Notice bibliographique
Résumé
BACKGROUND: Tuberculosis (TB) is a global public health issue posing serious harm to the human health. Many studies have suggested that smoking and excessive alcohol consumption are risk factors for TB. Laboratory evidence suggests that EGCG in tea leaves can arrest the growth of tubercle bacillus. Can drinking tea lead to decreased susceptibility of TB in humans? METHODS: A total of 574 TB patients and 582 healthy controls were recruited to participate in this case-control study. Self-designed questionnaire was used to collect data. Unconditioned logistic regression analysis was conducted to identify the associations between tea drinking and TB. RESULTS: Tea drinking has a negative association with TB, with OR = 0.583(0.423, 0.804) and P < 0.05. Drinking black tea, oolong and green tea are all negative association with TB, with OR being 0.683(0.517, 0.902), 0.674(0.508, 0.894) and 0.534(0.349, 0.817) respectively and P < 0.05. Trend χ (2) test indicated a decreasing risk for TB with increased tea consumption, with P < 0.05. CONCLUSION: There is a significance negative association between tea drinking and TB. Promoting the consumption of tea as the daily drink among populations, particularly those with high TB risk, may reduce the incidence of TB in the populations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».