Influence of diet in COVID-19 infection and severity risk: a systematic review
Notice bibliographique
Résumé
Introduction: Introduction: the risk and/or prognosis of COVID-19, caused by the SARS-CoV-2 virus, have been related to chronic diseases such as obesity, diabetes mellitus, and cardiovascular diseases, with poor-quality diet being a predisposing factor for these diseases. Objective: to synthesize the scientific evidence on the effect of diet on the risk of SARS-CoV-2 infection and severe COVID-19. Methods: a systematic review was carried out following the PRISMA guidelines. The bibliographic search was made in the databases Web of Science, Scopus and Medline (through the PubMed search engine). Risk of bias analysis was performed using the Newcastle-Ottawa and Joanna Briggs Institute Critical Appraisal Checklist for Analytical Cross-Sectional Studies scales. Results: 14 studies were included. Good adherence to the Mediterranean diet was associated with a decreased risk of SARS-CoV-2 infection (OR = 0.44; 95 % CI, 0.22-0.88, for high versus low adherence, and significant ORs of 0.88 and 0.95 in studies that analyzed adherence quantitatively) but not with the severity of COVID-19. A plant-based diet also had a protective association against both COVID-19 infection and severity. Specifically, a high consumption of vegetables, legumes and cereals, and a low intake of dairy products and red meat showed a protective effect against infection and/or COVID-19 severity, depending on the study. Vitamin and probiotic supplements also lowered the risk of infection. Conclusion: the available evidence suggests that a healthy diet, based on a Mediterranean or plant-based diet, with moderate consumption of dairy and red meat, exerts a protective effect against COVID-19.
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 | 0,011 | 0,507 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».