Exploring the effect of alcohol on disease activity and outcomes in rheumatoid arthritis through systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract To evaluate the effects of alcohol consumption on disease activity in rheumatoid arthritis. EMBASE, Pubmed, the Cochrane Library, and Web of Science were searched until July 29, 2020. English language studies that reported disease activity outcomes in rheumatoid arthritis were included. Studies were excluded if they were reviews, case reports, had fewer than 20 patients, or reported on prevalence but not disease activity in RA. Forest plots were used to determine pooled mean difference and were generated on RevMan5.3. Linear regression was used to determine correlations between alcohol and antibody status, gender, and smoking status. The search identified 4126 citations of which 14 were included. The pooled mean difference in DAS28 (95% CI) was 0.34 (0.24, 0.44) ( p < 10 −5 ) between drinkers and non-drinkers with lower DAS28 in non-drinkers, 0.33 (0.05, 0.62) ( p = 0.02) between heavy drinkers and non-drinkers with lower DAS28 in heavy drinkers, and 0.00 (− 0.30, 0.30) ( p = 0.98) between low- and high-risk drinkers. The mean difference of HAQ assessments was significantly different between those who drink alcohol compared to those who do not, with drinkers reporting lower HAQ scores (0.3 (0.18, 0.41), p < 10 −5 ). There was no significant correlation between drinking and gender, smoking status, or antibody positivity. Alcohol consumption is associated with lower disease activity and self-reported health assessment in rheumatoid arthritis. However, drinking has no correlation with smoking, gender, or antibody status.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,039 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».