The risk of urinary incontinence among women with obese in China： a meta-analysis
Notice bibliographique
Résumé
Abstract Objective The objective of this meta-analysis is to assess the potential association between obesity and overweight, and the susceptibility to Urinary Incontinence (UI) among Chinese women. Methods We searched PubMed, Cochrane Library, Embase, China National Knowledge Infrastructure (CNKI) and WANFANG Database to obtain observational study published between the establishment of the database and 10 July 2023. We used the Newcastle Ottawa Scale (NOS) and the Quality Assessment Program of the American Institute for Healthcare Quality and Research (AHRQ) to evaluate the quality of the study. When P > 0.1 and I2 ≤ 50%, a fixed effect model is used. Otherwise, a random effects model is applied. Funnel plots and Egger's test were used to explore publication bias. All statistical analyses were conducted in Stata 14.0. Results This meta-analysis comprises 13 observational studies involving a total of 76,606 individuals. The pooled analysis reveals no statistically significant association between overweight and the risk of UI (odds ratio [OR] = 1.23; 95% confidence interval [CI]: 0.97–1.56; I2 = 94.6%, P = 0.000). Among Chinese women, obesity significantly increases the likelihood of developing urinary incontinence (OR = 2.00; 95% CI: 1.55–2.58; I2 = 88.8%, p = 0.000). Subgroup analysis demonstrates no significant association between obesity and mixed urinary incontinence (MUI) among obese women in China (OR = 1.31; 95% CI: 0.98–1.75; I2 = 0.0%, P = 0.806). Nevertheless, obesity is significantly associated with stress urinary incontinence (SUI) (OR = 1.72; 95% CI: 1.47–2.01; I2 = 34.3%, P = 0.201). Subgroup analysis of regional types shows that obesity in southern and northern China, eastern, central and western regions is associated with a high risk of UI. Conclusions Obesity is found to be positively associated with an elevated likelihood of UI in Chinese women. This study can provide basis for the prevention and treatment of UI, and provide better prevention and management for alleviating the symptoms of UI in Chinese adult women.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,053 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».