Interaction of Depression and Unhealthy Diets on the Risk of Cardiovascular Diseases and All-Cause Mortality in the Chinese Population: A PURE Cohort Substudy
Notice bibliographique
Résumé
This study aimed to identify the interaction of depression and diets on cardiovascular diseases (CVD) incident and death in China and key subpopulations. We included 40,925 participants from the Prospective Urban Rural Epidemiology (PURE)-China cohort which recruited participants aged 35-70 years from 45 urban and 70 rural communities. Depression was measured by the adapted Short-Form (CIDI-SF). The unhealthy diet was considered when the score of Alternative Healthy Eating Index was below the lowest tertile. The primary outcome was a composite outcome of incident CVD and all-cause mortality. Cox frailty models were used to examine the associations. During a median follow-up of 11.9 years (IQR: 9.6-12.6 years), depression significantly increased the risk of the composite outcome (HR = 2.00; 95% CI, 1.16-3.27), major CVD (HR = 1.82; 95% CI, 1.48-2.23), and all-cause mortality (HR = 2.21; 95% CI, 1.51-3.24) for the unhealthy diet group, but not for the healthy diet group. The interaction between depression and diet for the composite outcome was statistically significant (RERI = 1.19; 95% CI, 0.66-1.72; AP = 0.42, 95% CI, 0.27-0.61; SI = 3.30, 95% CI, 1.42-7.66; multiplicative-scale = 1.74 95% CI, 1.27-2.39), even in the subgroup and sensitivity analyses. In addition, the intake of vegetable and polyunsaturated fatty acids contributed most to the interaction of diets and depression. Depressive participants should focus on healthy diets, especially vegetables and polyunsaturated fatty acids, to avoid premature death and CVD.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».