Correlation between uric acid levels and bone mineral density in patients with type 2 diabetes mellitus: a systematic review and meta-analysis
Notice bibliographique
Résumé
Purpose To explore the controversial relationship between uric acid (UA) levels and bone mineral density (BMD) in patients with type 2 diabetes mellitus (T2DM). Patients and methods The PubMed, Embase, and Cochrane Library databases were searched using keywords and related words. Study quality was evaluated using the Newcastle-Ottawa Scale. Studies retrieved in the literature search were systematically screened to extract information and data based on predefined inclusion and exclusion criteria. RevMan version 5.3 and Stata Release 13.0 were used for statistical analysis. Results are expressed as mean difference (MD) and corresponding 95% confidence interval (CI). Heterogeneity was evaluated using the I2 and Q tests. Results This meta-analysis included 10 studies comprising 5,717 patients with T2DM. Study quality ranged from moderate to high. Results of comparative analyses were as follows: normal BMD versus (vs.) osteoporosis (OP) in females, MD −13.83 μmol/L (95% CI −41.69 to 14.03); I2 = 7%; P=0.30); normal BMD vs. osteopenia in females, MD −12.41 μmol/L (95% CI −37.81 to 12.99; I2 = 0%; P=0.92); normal BMD vs. abnormal BMD (osteopenia/OP), MD −23.82 μmol/L (95% CI −33.50 to −14.13; I2 = 0%; P=0.44); and osteopenia vs. OP, MD −22.35 μmol/L (95% CI −29.55 to −15.15; I2 = 5%; P=0.39). No publication bias was observed. Conclusion Compared with normal BMD, abnormal BMD (osteopenia/OP) was associated with lower UA levels. Compared with osteopenia, OP also showed lower UA. Systematic review registration:
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 | 0,014 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,037 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 ».