Uncovering the relationship between coffee and cholesterol: a systematic review
Notice bibliographique
Résumé
Background: Drinking coffee every day is one of the most common daily routines worldwide. The antioxidant content in coffee is believed to reduce the risk of cardiovascular disease (CVD). The objective was to systematically review and analyze the existing literature on the relationship between coffee consumption frequency and systemic cholesterol. Material and methods: A comprehensive literature search was conducted using databases such as PubMed, Cochrane, and Scopus to identify studies published between January 2020 and March 2024. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines were followed to ensure transparency and rigor in the review process. Data extraction focused on sample size, study design, frequency categories of coffee consumption, coffee subtypes, coffee preparation methods, and reported cholesterol outcomes [low-density lipoprotein (LDL), high-density lipoprotein (HDL), triglycerides (TG), and total cholesterol (TC)]. Quality assessment of the included studies was performed using the Newcastle-Ottawa Scale (NOS). Results: The review synthesized findings from 11 relevant studies involving 1.271.523 participants. The evidence suggests that moderate coffee consumption may be associated with increased HDL levels, while excessive intake could lead to elevated LDL and TC levels. Mechanistic insights suggest that coffee’s diterpenes, such as cafestol and kahweol, play a significant role in modulating cholesterol levels. Conclusion: The systematic review concludes that the frequency of coffee consumption has a complex relationship with systemic cholesterol levels. Moderate coffee intake may confer cardiovascular benefits by increasing HDL levels, whereas high consumption may elevate LDL and TC. Further research is warranted to elucidate these relationships and inform dietary recommendations for individuals at risk for CVD.
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 | 0,011 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».