Alcohol Consumption and Mortality From Coronary Heart Disease: An Updated Meta-Analysis of Cohort Studies
Notice bibliographique
Résumé
OBJECTIVE: Previous meta-analyses estimate that low-volume alcohol consumption protects against coronary heart disease (CHD). Potential errors in studies include systematic misclassification of drinkers as abstainers, inadequate measurement, and selection bias across the life course. METHOD: Prospective studies of alcohol consumption and CHD mortality were identified in scholarly databases and reference lists. Studies were coded for potential abstainer biases and other study characteristics. The alcohol-CHD risk relationship was estimated in mixed models with controls for potential biases. Stratified analyses were performed based on variables identified as potential effect modifiers. RESULTS: Fully adjusted meta-analysis of all 45 studies found significantly reduced CHD mortality for current low-volume drinkers (relative risk [RR] = 0.80, 95% CI [0.69, 0.93]) and all current drinkers (RR = 0.88, 95% CI [0.78, 0.99]). There was evidence of effect modification by cohort age, gender, ethnicity, and heart health at baseline. In stratified analyses, low-volume consumption was not significantly protective for cohorts ages 55 years or younger at baseline (RR = 0.95, 95% CI [0.75, 1.21]), for studies controlling for heart health (RR = 0.87, 95% CI [0.71, 1.06]), or for higher quality studies (RR = 0.86, 95% CI [0.68, 1.09]). In studies in which the mean age was 55 years or younger at baseline, there were significantly increased RRs for both former (RR = 1.45, 95% CI [1.08, 1.95]) and occasional drinkers (RR = 1.44, 95% CI [1.09, 1.89]) compared with abstainers. CONCLUSIONS: Pooled analysis of all identified studies suggested an association between alcohol use and reduced CHD risk. However, this association was not observed in studies of those age 55 years or younger at baseline, in higher quality studies, or in studies that controlled for heart health. The appearance of cardio-protection among older people may reflect systematic selection biases that accumulate over the life course.
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 | 0,021 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,061 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».