MétaCan
Menu
Retour à la cohorte
Enregistrement W4408830145 · doi:10.3390/healthcare13070703

Associations of Dietary Zinc Supplementation and Sleep Patterns with Chronic Kidney Disease Risk: A Prospective Cohort Study

2025· article· en· W4408830145 sur OpenAlexaff
Xiaofeng Zhang, Shuai Zhang, Jiali Lv, Xiaoyan Ma, Xia Lin, Lin Yang, Shengxu Li, Tao Zhang

Notice bibliographique

RevueHealthcare · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensUniversity of CalgaryAlberta Health Services
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésKidney diseaseMedicineProspective cohort studyCohortCohort studyDiseaseInternal medicineSleep (system call)Environmental healthGerontology

Résumé

récupéré en direct d'OpenAlex

Background: Previous studies have indicated that both dietary zinc supplementation and sleep patterns may influence the development of chronic kidney disease (CKD). Additionally, it is established that dietary zinc can enhance sleep quality. Despite these insights, the interplay between zinc supplementation and sleep patterns, and their combined effect on CKD progression, is still not fully understood. Methods: This population-based cohort study used UK Biobank data (2006–2010) and employed cox regression models to assess the associations between dietary zinc supplementation, sleep patterns, and their combined effects on CKD. Results: Over a median follow-up of 14.8 years, 22,384 new CKD cases were identified. Zinc supplementation reduced CKD risk in individuals with poor (HR: 0.70, 95% CI: 0.50–0.98) and moderate (HR: 0.89, 95% CI: 0.81–0.98) sleep patterns but not in those with healthy sleep (HR: 1.00, 95% CI: 0.89–1.14). A significant interaction between zinc supplementation and sleep patterns was observed (p = 0.017), with sensitivity analyses confirming the results. Conclusions: These findings indicate a significant association between dietary zinc supplementation and reduced CKD risk, especially in individuals with poor sleep patterns. Further studies are needed to explore zinc supplementation as a targeted intervention for those at higher CKD risk due to poor sleep.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,351
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetTrace Elements in HealthTravaux en français237 207