Nutrient supplementation for prevention of viral respiratory tract infections in healthy subjects: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract It remains uncertain as to whether nutrient supplementation for the general population considered healthy could be useful in the prevention of RTIs, such as COVID‐19. In this systematic review and meta‐analysis, the evidence was evaluated for primary prevention of any viral respiratory tract infection (RTI) such as SARS‐CoV‐2, through supplementation of nutrients with a recognized role in immune function: multiple micronutrients, vitamin A, folic acid, vitamin B12, C, D, E, beta‐carotene, zinc, iron and long‐chain polyunsaturated fatty acids. The search produced 15,163 records of which 93 papers (based on 115 studies) met the inclusion criteria, resulting in 199,055 subjects (191,636 children and 7,419 adults) from 37 countries. Sixty‐three studies were included in the meta‐analyses, which was performed for children and adults separately. By stratifying the meta‐analysis by world regions, only studies performed in Asia showed a significant but heterogeneous protective effect of zinc supplementation on RTIs (RR 0.86, 95% CI 0.7–0.96, I2 = 79.1%, p = .000). Vitamin D supplementation in adults significantly decreased the incidence of RTI (RR 0.89, 95% CI 0.79–0.99, p = .272), particularly in North America (RR 0.82 95% CI 0.68–0.97), but not in Europe or Oceania. Supplementation of nutrients in the general population has either no or at most a very limited effect on prevention of RTIs. Zinc supplementation appears protective for children in Asia, whilst vitamin D may protect adults in the USA and Canada. In 10/115 (8.7%) studies post‐hoc analyses based on stratification for nutritional status was performed. In only one study zinc supplementation was found to be more effective in children with low zinc serum as compared to children with normal zinc serum levels.
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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,030 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».