The association between macronutrients intake and myopia risk: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Dietary factors have been suggested as potential risk factors for myopia, but research findings on this relationship are inconclusive. The potential predisposing or protective role of macronutrient (carbohydrate, protein, fat) intake in the development of myopia was systematically reviewed, followed by data synthesis by meta-analysis. METHODS: A systematic search was conducted in PubMed, Web of Science, Scopus, and Google Scholar up to the end of June 2023 to identify all relevant studies. All observational studies that assessed the relationship between macronutrient intake with myopia, axial length (AL) of eyes and spherical equivalent refractive error (SE) on individuals younger than 18 years old were included. RESULTS: After removing duplicates and screening studies, four studies were included in the systematic review and meta-analysis. Pooled odds ratios regarding the association between myopia development and nutritional intake were 1.01 (95% CI: 0.94, 1.08), 0.97 (95% CI: 0.86, 1.08), and 0.99 (95% CI: 0.83, 1.18) for carbohydrates, proteins, and fats, respectively, indicating no significant associations. Intake of carbohydrates, proteins, and fats was not significantly associated with either SE or AL. CONCLUSIONS: Intake of carbohydrates, fats, or proteins did not influence the risk of myopia. The relationship between the intake of other macronutrients and myopia is suggested to be scrutinized in future studies. REGISTRATION: The systematic review protocol was registered on PROSPERO (registration number: CRD42024541369).
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,037 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».