Association between gout and the development of Parkinson’s disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: As a natural antioxidant, uric acid plays a protective role against neurodegenerative disorders, including Parkinson's disease (PD). Therefore, the risk of PD has been found to be lower in people with hyperuricemia. In this article, we conducted a systematic review and meta-analysis to investigate whether gout affects the future risk of developing PD. METHODS: We searched PubMed, Scopus, the Web of Science, and Google Scholar to find relevant studies, up to March 16, 2022. Studies investigating the risk of PD, following a gout diagnosis, were included if they were cross-sectional, case-control or cohort studies. The Newcastle Ottawa Scale (NOS) checklist was used to assess the quality of all included studies. The meta-analysis was performed using STATA 17.0. RESULTS: Ten studies were included, which were comprised of three case-controls, six cohort studies and one nested case-control study. We found no significant association between gout and the risk of PD among both sexes (RR = 0.94, 95% CI: 0.86-1.04), although the association was significant for females (RR = 1.09; 95% CI: 1.02-1.17). Subgroup analysis also showed no significant findings by age group, whether they were receiving treatment for gout, study design, quality assessment score, and method of gout ascertainment. In contrast, the studies that defined PD according to the use of drugs showed significant results (RR = 0.82; 95% CI: 0.76-0.89). There was a significant publication bias on the association between gout and PD. CONCLUSIONS: The presence of gout had no significant effect on the risk of subsequently developing PD. Further analyses are recommended to investigate the effects of demographic and behavioral risk factors.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».