Is caffeine intake a risk factor leading to infertility? A protocol of an epidemiological systematic review of controlled clinical studies
Notice bibliographique
Résumé
BACKGROUND: Previous studies showed that high dose of caffeine intake may induce some specific human reproductive system diseases, even lead to infertility. OBJECTIVES: In consideration of the high consumption of caffeine according to the latest population-based survey, this review is aimed to systematically review the evidence from all controlled clinical studies of caffeine intake for infertility. DESIGNS: Relevant randomized/quasi-randomized controlled trials, non-randomized clinical studies, cohort studies, and case-control studies will be included in this review. Participants will be either those without a history of infertility who are willing to have a baby (for prospective studies) or infertile patients with confirmed diagnosis (for retrospective studies). Caffeine or caffeine-containing beverage will be observed as the exposure factor. The key outcome will be the diagnosis of infertility in participants. All relevant published/unpublished or ongoing studies will be searched from seven databases and four online systems until December 2015. Two authors will screen the literatures and extract the data independently. Methodological quality of the included studies will be assessed by two authors according to either Risk of Bias Assessment or Newcastle-Ottawa Scale. We will use R software to analyze the data. Dose of caffeine will be quantified on a daily basis, and relative risk with their 95 % confidence interval will be measured. If data permit, meta-analysis and dose-response analysis will be conducted. Summary of findings tables will be generated using Guideline Development Tool online. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42015015714.
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 | 0,036 | 0,394 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».