Total volume and composition of fluid intake and mortality in older women: a cohort study
Notice bibliographique
Résumé
OBJECTIVES: The health benefits of 'drinking at least 8 glasses of water a day" in healthy individuals are largely unproven. We aimed to examine the relationship between total fluid and the sources of fluid consumption, risk of rapid renal decline, cardiovascular disease (CVD) mortality and all-cause mortality in elderly women. DESIGN, SETTING AND PARTICIPANTS: We conducted a longitudinal analysis of a population-based cohort study of 1055 women aged ≥70 years residing in Australia. MAIN OUTCOME MEASURES: The associations between total daily fluid intake (defined as total volume of beverage excluding alcohol and milk) and the types of fluid (water, black tea, coffee, milk and other fluids) measured as cups per day and rapid renal decline, CVD and all-cause mortality were assessed using adjusted logistic and Cox regression analyses. RESULTS: Over a follow-up period of 10 years, 70 (6.6%) experienced rapid renal decline and 362 (34.4%) died, of which 142 (13.5%) deaths were attributed to CVD. The median (IQR) intake of total fluid was 10.4 (8.5-12.5) cups per day, with water (median (IQR) 4 (2-6) cups per day) and black tea (median (IQR) 3 (1-4) cups per day) being the most frequent type of fluid consumed. Every cup per day higher intake of black tea was associated with adjusted HRs of 0.90 (95% CI 0.81 to 0.99) and 0.92 (95% CI 0.86 to 0.98) for CVD mortality and all-cause mortality, respectively. There were no associations between black tea intake and rapid renal decline, or between the quantity or type of other fluids, including water intake, and any clinical outcomes. CONCLUSIONS: Habitual higher intake of black tea may potentially improve long-term health outcomes, independent of treating traditional CVD risk factors, but validation of our study findings is essential.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».