Association between dietary protein intake and risk of chronic kidney disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objective There is suggestive data indicating a correlation among dietary protein intake and the progression of chronic kidney disease (CKD). Nonetheless, the exact associations between dietary protein intake and the incidence of CKD have remained uncertain. We performed the first meta-analysis to explore the correlation among total protein, plant protein, animal protein intake and CKD risk. Methods The study conformed the PRISMA statement guidelines. We comprehensively searched PubMed, Web of Science, and Embase until to December 2023. The retrieved studies underwent rigorous evaluation for eligibility, and relevant data were meticulously extracted. The Newcastle-Ottawa Scale (NOS) tool was applied to evaluate the risk of bias. Subsequently, relevant data were extracted and pooled to evaluate the relations among dietary protein intake and CKD incidence. Results Totally, 6,191 articles were identified, six studies were eligible. A total of 148,051 participants with 8,746 CKD cases were included. All studies had a low overall risk of bias. Higher total, plant and animal protein intake were all correlated with decreased CKD incidence, pooled risk ratios (RRs) and 95% confidence intervals (CIs) were as follows: (RR = 0.82, 95% CI = 0.71–0.94, p = 0.005; I 2 = 38%, p = 0.17); (RR = 0.77, 95% CI = 0.61–0.97, p = 0.03; I 2 = 77%, p = 0.001); (RR = 0.86, 95% CI = 0.76–0.97, p = 0.02; I 2 = 0%, p = 0.59), respectively. For fish and seafood within animal protein: RR = 0.84, 95% CI = 0.74–0.94. Subgroup analysis showed that geographical region, sample size, follow-up time, not assessing protein by food frequency questionnaire, using %energy as the measurement index, not adjusting for several covariates may be the sources of heterogeneity for plant protein. A significant non-linear relation among plant protein and incident CKD was observed by dose–response analysis. Conclusion The data showed a lower CKD risk significantly associated higher-level dietary total, plant or animal protein (especially for fish and seafood) intake. Further prospective studies demonstrating the correlations of precise sources, intake and duration of dietary protein and incident CKD are warranted.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 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 ».