Vitamin C intake and serum uric acid concentration in men.
Notice bibliographique
Résumé
OBJECTIVE: We examined associations between vitamin C intake and serum uric acid in men in a population-based study. METHODS: We included 1387 men without hypertension and with body mass index (BMI) < 30 kg/m(2) in the Health Professional Follow-up Study. Dietary intake was assessed with a semiquantitative food frequency questionnaire validated for use in this population. Serum uric acid concentrations were measured. RESULTS: Greater intakes of total vitamin C were significantly associated with lower serum uric acid concentrations, after adjustment for smoking, BMI, ethnicity, blood pressure, presence of gout, use of aspirin, and intake of energy, alcohol, dairy protein, fructose, meat, seafood and coffee. An inverse dose-response association was observed through vitamin C intake of 400-500 mg/day, and then reached a plateau. Adjusted mean uric acid concentrations across total vitamin C intake categories (< 90, 90-249, 250-499, 500-999, or > or = 1000 mg/day) were 6.4, 6.1, 6.0, 5.7, and 5.7 mg/dl, respectively (p for trend < 0.001). Greater vitamin C intake was associated with lower prevalence of hyperuricemia (serum uric acid > 6 mg/dl). Multivariate odds ratios for hyperuricemia across total vitamin C intake categories were 1 (reference), 0.58, 0.57, 0.38, and 0.34 (95% CI 0.20-0.58; P for trend < 0.001). When we used dietary data, which were assessed 4-8 years before blood collection, as predictors, we observed similar inverse associations between vitamin C intake and uric acid. CONCLUSION: These population-based data indicate that vitamin C intake in men is inversely associated with serum uric acid concentrations. These findings support a potential role of vitamin C in the prevention of hyperuricemia and gout.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».