Association between tea consumption and cognitive impairment in middle-aged and older adults
Notice bibliographique
Résumé
BACKGROUND: Biologic studies have suggested that tea may have neuroprotective activity. However, tea's protective effect on cognitive function is controversial in human epidemiological studies, and no data, including the middle-aged, are available. The objective of this study was to investigate the association of habit, frequency, and types of tea consumption with incident cognitive impairment in middle-aged and older adults. METHODS: Data from the Asymptomatic Polyvascular Abnormalities in Community study were used (aged over 40y). We gathered information on tea consumption, including habit, frequency, and types, via a standardized questionnaire and assessed cognitive function by Mini-Mental State Examination (MMSE) and/or Montreal Cognitive Assessment (MoCA). Three thousand eight hundred sixty-eight and 806 participants were selected in MMSE and MoCA subgroups. Multivariate logistic regression models were utilized to examine associations between tea consumption and cognitive impairment in middle-aged and older participants. RESULTS: In MMSE analyses, after adjustment for potential confounding factors, habitual (odds ratio (OR) 0.47, [95% confidence interval (CI) 0.33-0.68], p < 0.001) and high frequency (p trend < 0.001) of tea intake were associated with a lower risk of cognitive impairment. The risk of cognitive impairment was lower in green tea consumption (OR 0.36, [95% CI 0.22-0.61], p < 0.001) than other types (OR 0.59, [95% CI 0.38-0.91], p = 0.017). In MoCA analyses, we got similar results. CONCLUSIONS: Habitual tea consumption, especially high-frequency and green tea consumption, was significantly associated with a lower prevalence of cognitive impairment in middle-aged and older individuals.
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) | 0,000 | 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 | 0,000 |
| 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; 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 ».