MétaCan
Menu
Retour à la cohorte
Enregistrement W2112566574 · doi:10.1139/h08-120

Coffee consumption and risk of type 2 diabetes, cardiovascular diseases, and cancer

2008· review· en· W2112566574 sur OpenAlexvenueno aff
Rob M. van Dam

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineType 2 diabetesDiseaseEpidemiologyCoronary heart diseaseDiabetes mellitusCancerConsumption (sociology)Environmental healthPopulationCohort studyInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Numerous epidemiological studies have evaluated the association between coffee consumption and risk of type 2 diabetes, coronary heart disease, and various cancers. This paper briefly reviews the evidence for a relation between coffee consumption and these conditions, with particular attention to methodological issues. Several early studies suggested that coffee consumption could result in a marked increase in risk of coronary heart disease and several types of cancer. However, more recent prospective cohort studies that are less prone to selection and information bias have not confirmed these findings. High consumption of unfiltered types of coffee, such as French press and boiled coffee, has been shown to increase low-density-lipoprotein-cholesterol concentrations. In addition, limiting caffeinated coffee intake during pregnancy seems a prudent choice. However, evidence has been accumulating that frequent consumption of coffee may reduce risk of type 2 diabetes and liver cancer. Further experimental studies are warranted to elucidate the underlying mechanisms and possibly identify the components in coffee that are responsible for these putative effects. In sum, the currently available evidence on coffee and risk of cardiovascular diseases and cancer is largely reassuring, and suggests that, for the general population, addressing other health-related behaviors has priority for the prevention of chronic diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,317
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations162
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetCoffee research and impactsTravaux en français237 207