Hyperuricemia and Risk of Incident Hypertension: A Systematic Review and Meta-Analysis of Observational Studies
Notice bibliographique
Résumé
BACKGROUND: Observational studies of the relationship between hyperuricemia and the incidence of hypertension are controversial. We conducted a systematic review and meta-analysis to assess the association and consistency between uric acid levels and the risk of hypertension development. METHODS: We searched MEDLINE, EMBASE, CBM (Chinese Biomedicine Database) through September 2013 and reference lists of retrieved studies to identify cohort studies and nested case-control studies with uric acid levels as exposure and incident hypertension as outcome variables. Two reviewers independently extracted data and assessed study quality using Newcastle-Ottawa Scale. Extracted information included study design, population, definition of hyperuricemia and hypertension, number of incident hypertension, effect sizes, and adjusted confounders. Pooled relative risks (RRs) and corresponding 95% confidence intervals (CIs) for the association between hyperuricemia and risk of hypertension were calculated using a random-effects model. RESULTS: We included 25 studies with 97,824 participants assessing the association between uric acid and incident hypertension in our meta-analysis. The quality of included studies is moderate to high. Random-effects meta-analysis showed that hyperuricemia was associated with a higher risk of incident hypertension, regardless of whether the effect size was adjusted or not, whether the data were categorical or continuous as 1 SD/1 mg/dl increase in uric acid level (unadjusted: RR = 1.73, 95% CI 1.46∼2.06 for categorical data, RR = 1.22, 95% CI 1.03∼1.45 for a 1 SD increase; adjusted: RR = 1.48, 95% CI 1.33∼1.65 for categorical data, RR = 1.15, 95% CI 1.06∼1.26 for a 1 mg/dl increase), and the risk is consistent in subgroup analyses and have a dose-response relationship. CONCLUSIONS: Hyperuricemia may modestly increase the risk of hypertension incidence, consistent with a dose-response relationship.
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 | 0,024 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,038 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,002 | 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 ».