Tea intake and risk of incident kidney stone: A meta-analysis
Notice bibliographique
Résumé
Abstract Background: The formation of kidney stones is multifactorial and surveys have shown that not all fluids are equally beneficial in reducing the risk of kidney stones. Multiple studies have shown an association between tea intake and kidney stones. However, studies investigating the relationship between tea intake and the occurrence of kidney stones have been inconsistent. Objective: To clarify this association, we conducted this analysis to determine the link between tea intake and kidney stones. Study design: This study was a meta-analysis. PubMed, Web of Knowledge, Elsevier Science Direct, and Springer digital libraries were searched for studies reporting tea intake and kidney stones. A random-effects model was used to summarize the relationship between tea and kidney stones. The included articles were assessed for quality using the Newcastle–Ottawa scale. Results: A total of ten articles and 14 studies (men and women) were retrieved, including 9 cohort studies, 5 case-control studies, with a total of 1,318,071 participants and of 22,963 kidney stone patient. The results showed that tea intake was negatively correlated with kidney stone, (combined odds ratio [OR], 0.86; 95% confidence interval [CI], 0.81−0.91) with mild heterogeneity (I2=56.6.0%; P=0.005). Subgroup and sensitivity analyses confirmed the results. Conclusions: Tea intake was shown a potential protective effect on the development of kidney stones.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,062 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».