Fruit and Vegetable Consumption and Frailty: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To identify currently available evidence on fruit and vegetable consumption in association with frailty by conducting a systematic review of the literature and to summarise and critically evaluate it. DESIGN: Systematic review. SETTING: Four electronic databases (Embase, MEDLINE, CINAHL and PsycINFO) were systematically searched in August 2017 for observational cohort studies providing cross-sectional or prospective associations between fruit and vegetable consumption and frailty risks. Additional studies were searched by manually reviewing the reference lists of the included studies and related review papers and conducting forward citation tracking of the included studies. The methodological quality of prospective studies was assessed using the Newcastle-Ottawa scale. PARTICIPANTS: Community-dwelling general populations. RESULTS: A total of 6251 studies were identified, of which five prospective studies with follow-up periods of 2-10.5 years and two cross-sectional studies were included. Among the five prospective studies, three had adequate methodological quality. Because of different measurements and statistical methodologies, a meta-analysis was not possible. The two studies of good quality showed that fruit and vegetable consumption was mostly associated with lower risk of incident frailty. The other study as a sub-analysis retrospectively examined baseline fruit and vegetable consumption of those who developed frailty and those who did not at follow-up and showed no significant associations. CONCLUSIONS: Although good quality studies on this topic are scarce, there is some suggestion that higher fruit and vegetable consumption may be associated with lower frailty risk. More high quality research is needed.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».