What do we really know about the role of caffeine on urinary tract symptoms? A scoping review on caffeine consumption and lower urinary tract symptoms in adults
Notice bibliographique
Résumé
AIMS: The purpose of this scoping review was to map out the existing literature on caffeine intake and lower urinary tract symptoms (LUTS) in adults. METHODS: In this scoping review, we searched for all studies available until June 2019 in MEDLINE, Embase, CINAHL, Cochrane Central Register, PsycINFO, LILACS, LiSSa, Web of Science, and Joanna Briggs Institute electronic databases, in addition to a hand search of the bibliographies of all relevant articles and a gray literature search. Both intervention studies on the effects of caffeine reduction in adults with LUTS and observational studies on the association between caffeine intake and LUTS-related outcomes in adults were included and assessed for methodological quality by two independent reviewers. RESULTS: Fourteen intervention and 12 observational studies were included. Overall, there was a decrease in urgency episodes (level of evidence 2, grade of recommendation B) and nocturnal enuresis episodes (4, C) with caffeine reduction. Observational studies reported an unclear association between caffeine intake and LUTS-related outcomes. Most importantly, this present review highlighted high heterogeneity in the studied populations, caffeine measures, and reported outcomes. There was also unknown or high risk of bias in most identified studies. CONCLUSIONS: Caffeine reduction appears to reduce LUTS. Future studies on caffeine reduction interventions should target populations with urgency and urge urinary incontinence, which show the most promising results, and include valid and reliable measures of caffeine intake and LUTS. Finally, future studies should also use reporting guidelines to ensure lower risk of bias.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».