Alcohol, coffee and tea intake and the risk of cognitive deficits: a dose–response meta-analysis
Notice bibliographique
Résumé
AIMS: Lifestyle interventions are an important and viable approach for preventing cognitive deficits. However, the results of studies on alcohol, coffee and tea consumption in relation to cognitive decline have been divergent, likely due to confounds from dose-response effects. This meta-analysis aimed to find the dose-response relationship between alcohol, coffee or tea consumption and cognitive deficits. METHODS: Prospective cohort studies or nested case-control studies in a cohort investigating the risk factors of cognitive deficits were searched in PubMed, Embase, the Cochrane and Web of Science up to 4th June 2020. Two authors searched the databases and extracted the data independently. We also assessed the quality of the studies with the Newcastle-Ottawa scale. Stata 15.0 software was used to perform model estimation and plot the linear or nonlinear dose-response relationship graphs. RESULTS: The search identified 29 prospective studies from America, Japan, China and some European countries. The dose-response relationships showed that compared to non-drinkers, low consumption (<11 g/day) of alcohol could reduce the risk of cognitive deficits or only dementias, but there was no significant effect of heavier drinking (>11 g/day). Low consumption of coffee reduced the risk of any cognitive deficit (<2.8 cups/day) or dementia (<2.3 cups/day). Green tea consumption was a significant protective factor for cognitive health (relative risk, 0.94; 95% confidence intervals, 0.92-0.97), with one cup of tea per day brings a 6% reduction in risk of cognitive deficits. CONCLUSIONS: Light consumption of alcohol (<11 g/day) and coffee (<2.8 cups/day) was associated with reduced risk of cognitive deficits. Cognitive benefits of green tea consumption increased with the daily consumption.
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 | 0,026 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| 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 ».