Preventive effects of tea and tea catechins against influenza and acute upper respiratory tract infections: a systematic review and meta-analysis
Notice bibliographique
Résumé
PURPOSE: Gargling with tea has protective effects against influenza infection and upper respiratory tract infection (URTI). To evaluate if tea and tea catechin consumption has the same protective effects as gargling with tea, we performed a systematic review and meta-analysis. METHODS: We performed a comprehensive literature search using the PubMed, Cochrane Library, Web of Science, and Ichu-shi Web databases. The search provided six randomized controlled trials (RCTs) and four prospective cohort studies (n = 3748). The quality of each trial or study was evaluated according to the Cochrane risk-of-bias tool or Newcastle-Ottawa Scale. We collected data from publications meeting the search criteria and conducted a meta-analysis of the effect of tea gargling and tea catechin consumption for preventing URTI using a random effects model. RESULTS: Tea gargling and tea catechin consumption had significant preventive effects against URTI (risk ratio [RR] = 0.74, 95% confidence interval [CI] 0.64-0.87). In sub-analyses, a significant preventive effect was observed by study type (prospective cohort study: RR = 0.67, 95% CI 0.50-0.91; RCT: RR = 0.79, 95% CI 0.66-0.94) and disease type (influenza: RR = 0.69, 95% CI 0.58-0.84; acute URTI: RR = 0.78, 95% CI 0.62-0.98). Both gargling with tea and consuming tea catechins effectively protected against URTI (tea and tea catechins consumption: RR = 0.68, 95% CI 0.52-0.87; tea gargling: RR = 0.83, 95% CI 0.72-0.96). CONCLUSION: Our findings suggest that tea gargling and tea catechin consumption may have preventive effects against influenza infection and URTI. The potential effectiveness of these actions as non-pharmaceutical interventions, however, requires further investigation.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 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 ».