Dietary habits and Helicobacter pylori infection: a cross sectional study at a Lebanese hospital
Notice bibliographique
Résumé
BACKGROUND: To examine the association between dietary habits and Helicobacter pylori (H. pylori) infection among patients at a tertiary healthcare center in Lebanon. METHODS: This cross-sectional study was conducted on 294 patients in 2016, at a hospital in Northern Lebanon. Participants were interviewed using a structured questionnaire to collect information on socio-demographic and lifestyle characteristics; dietary habits were ascertained via a short food frequency questionnaire (FFQ). H. pylori status (positive vs. negative) was determined after upper GI endoscopy where gastric biopsy specimens from the antrum, body, and fundus region were collected and then sent for pathology analysis. Multivariable logistic regression was conducted to identify the association between socio-demographic, lifestyle, dietary and other health-related variables with H pylori infection. RESULTS: The prevalence of H. pylori infection was found to be 52.4% in this sample. Results of the multivariable analysis showed that H. pylori infection risk was higher among participants with a university education or above (OR = 2.74; CI = 1.17-6.44), those with a history of peptic ulcers (OR = 3.80; CI = 1.80-8.01), gastric adenocarcinoma (OR = 3.99; CI = 1.35-11.83) and vitamin D level below normal (OR = 29.14; CI = 11.77-72.13). In contrast, hyperglycemia was protective against H. pylori (OR = 0.18; CI = 0.03-0.89). No relationship between dietary habits and H. pylori infection was found in the adjusted analysis. CONCLUSIONS: Socio-demographic and clinical variables are found to be associated with H. pylori, but not with dietary factors. Further studies are needed to investigate the effect of diet on H. pylori risk.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; 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 ».