Trait-anger, hostility, and the risk of incident type 2 diabetes and diabetes-related complications: a systematic review of longitudinal studies
Notice bibliographique
Résumé
Introduction There is a well-established association between anger, hostility, and an increased risk of cardiovascular disease. Emerging evidence also suggests associations between anger/hostility and type 2 diabetes (T2D), though evidence from longitudinal studies has not yet been synthesized. Objectives To systematically review findings from existing prospective cohort studies on trait anger/hostility and the risk of T2D and diabetes-related complications. Methods Electronic searches of MEDLINE (PubMed), PsychINFO, Web of Science, and CINAHL were performed for articles/abstracts published up to December 15, 2020. Peer-reviewed longitudinal studies conducted with adult samples, with effect estimates reported for trait anger or hostility and incident T2D or diabetes-related complications, were eligible for inclusion. Risk of bias/study quality was assessed. The review protocol was published a priori in PROSPERO (CRD42020216356) and was in keeping with PRISMA guidelines. Screening for eligibility, data extraction, and quality assessment was conducted by two independent reviewers. Results Four studies with a total of 155,146 participants met the inclusion criteria. A narrative synthesis of extracted data was conducted according to the Synthesis Without Meta-Analysis guidelines. While results were mixed, our synthesis suggested a positive association between high trait-anger/hostility and increased risk of incident T2D. No longitudinal studies were identified relating to anger/hostility and incident diabetes-related complications. Geographical locations of the study samples were limited to the USA and Japan. Conclusions Further research is needed to investigate whether trait-anger/hostility predicts incident type 2 diabetes after adjustments for potential confounding factors. Longitudinal studies are needed to investigate trait-anger/hostility and the risk of diabetes-related vascular complications. Disclosure No significant relationships.
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 | 0,021 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».