Association between heavy metal mercury in body fluids and tissues and diabetes mellitus: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Recent studies have shown that the relationship between mercury exposure and diabetes is controversial. The aim of this study is to determine the relationship between mercury exposure and diabetes using a systematic review and meta-analysis approach. Methods: We systematically searched PubMed, Web of Science, Cochrane, and Embase databases for cross-sectional, case-control, or cohort studies assessing the correlation between mercury exposure and diabetes in any population. Details of each included study were extracted using a pre-designed Excel spreadsheet. Quality assessment of cohort and case-control studies used the Newcastle-Ottawa Scale (NOS), whereas cross-sectional studies were assessed by the Agency for Healthcare Research and Quality (AHRQ) scale. Meta-analyses were performed using random-effects models to calculate the pooled odds ratio (OR), standardized mean difference (SMD), and their 95% confidence intervals (CIs). Subgroup and sensitivity analyses were employed to assess heterogeneity sources. Begg's and Egger's tests were used to evaluate publication bias. Results: =67.7%). The Begg's test results revealed no significant publication bias (P=0.06), but the Egger's test results did (P=0.013). The sensitivity analysis confirmed the stability of our results. Conclusions: No significant relationship was observed between mercury and diabetes mellitus. However, more well-designed studies on mercury exposure and diabetes risk are still needed, particularly on the type of mercury (i.e., elemental, inorganic, and organic), exposure time and dose, type of biological specimen, and the population's sex and age.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| 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 ».