Relationship between caffeine intake and infertility: a systematic review of controlled clinical studies
Notice bibliographique
Résumé
BACKGROUND: For a long time, the relationship between caffeine consumption and infertility in the general population is unclear, this study is aimed to systematically review the evidence from any type of controlled clinical studies to explore whether caffeine intake is a risk factor for human infertility. METHODS: Seven databases were searched from inception to May 2019. We included women/men without a history of infertility but were willing to have children in prospective studies and women/men who were diagnosed with infertility in retrospective studies. The observed exposure factor should be caffeine or caffeine containing beverage. Diagnosis of infertility or not for participants was the key outcome. The Newcastle-Ottawa scale (NOS) or Cochrane risk of bias tool were used to assess the methodological quality of included studies. Meta-analysis was conducted if there were acceptable clinical and statistical heterogeneity among studies. The GRADE method was used to assess the certainty of the evidence. RESULTS: Four studies (one cohort study and three case-control studies) involving 12,912 participants were included. According NOS, the average score of case-control studies was 6, and the cohort study achieved 9. Meta-analysis and subgroup analysis were conducted. The results showed that low (OR 0.95, 95%CI 0.78-1.16), medium (OR 1.14, 95%CI 0.69-1.86) and high doses (OR 1.86, 95%CI 0.28-12.22) of caffeine intake may not increase the risk of infertility. The quality of the current evidence bodies were all low. CONCLUSION: Our study provides low quality evidence that regardless of low, medium and high doses of caffeine intake do not appear increase the risk of infertility. But the conclusion should be treated with caution.
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 | 0,010 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».