Impact of vitamin D supplementation on C-reactive protein; a systematic review and meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
Background: To evaluate the effect of vitamin D supplementation on C-reactive protein (CRP) through a systematic review and meta-analysis of randomized control trials (RCTs). Methods: PubMed-Medline, SCOPUS, Google Scholar and Web of Science databases were searched (up until April 2016) to identify RCTs evaluating the impact of vitamin D supplementation on CRP. We used random effects models (using DerSimonian-Laird method) as well as the generic inverse variance methods for quantitative data synthesis. For sensitivity analysis, we applied leave-one-out approach. To examine the heterogeneity we used I2 index. Registration code: CRD42016036932. Results: Among 1274 search items, 24 studies met the inclusion criteria in the final evaluation. Pooling the data together indicated a non-significant decrease in CRP level following administration of vitamin D (weighted mean difference [WMD] -0.26(mg/l), (95% CI -0.75 to 0.22, N = 26 arms, heterogeneity p = 0.042; I 2 54.2%). The WMDs for IL6 was 0.67 pg/ml, (95% CI 0.29 to 1.06, N = 16 arms, heterogeneity p = 0.234; I 2 19.1%), 0.43 pg/ml, (95% CI 0.08 to 1.05, N = 26 arms, heterogeneity p = 0.120; I 2 42.1%), for IL10, and -0.11 pg/ml, (95% CI -0.53 to 0.30, N = 12 arms, heterogeneity p = 0.423; I 2 9.2%) for TNF-, 4.03 pg/ml, (95% CI 3.50 to 4.57, N = 3 arms, heterogeneity p = 0.752; I 2 8.1%) for adiponectin. Sensitivity analyses confirmed the robustness of the findings.
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 | 0,018 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,074 | 0,021 |
| Bibliométrie | 0,002 | 0,001 |
| 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 ».