Abstract TMP86: Folic Acid Therapy Prevents Stroke in Countries Without Mandatory Folic Acid Food Fortification: A Meta-analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Background: Additional folic acid treatment appears to have a neutral effect on reducing vascular risk in countries that mandate fortification of food with folic acid (e.g. US and Canada). However, it is uncertain whether folic acid therapy reduces stroke risk in countries without folic acid food fortification. Objective: To comprehensively evaluate the efficacy of folic acid therapy on stroke prevention in countries without folic acid food fortification. Methods: Pubmed, EMBASE, and Clinicaltrials.gov from January 1966 to August 2015 were searched to identify relevant studies. Relative risk (RR) with 95% CI was used as a measure of the association between folic acid supplementation and risk of stroke, after pooling data across trials in a random-effects model. Results: The search identified 14 randomized controlled trials involving treatment with folic acid that had enrolled 71,334 participants, all of which stroke was reported as an outcome measure. Across all trials, folic acid therapy vs. control was associated with a lower risk of stroke (RR=0.84; 95% CI, 0.76-0.93; P=0.0007) and there was no heterogeneity among include trials (P for heterogeneity =0.27, I2=17%) (Figure). The RR of stroke in primary prevention trials was 0.81 (12 trials, 95% CI, 0.72-0.91; P=0.0006). Among 3 trials, which distinguished ischemic from hemorrhagic stroke as endpoints, folic acid therapy reduced risk of ischemic stroke (RR=0.77; 95% CI 0.67-0.90, P=0.0006), but had a neutral effect on hemorrhagic stroke (RR=0.92, 95% CI 0.66-1.28, P=0.61). Conclusion: Among people living in countries without mandatory folic acid food fortification, folic acid therapy reduces the occurrence of a stroke.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 tête enseignante, 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 ».