Effects of Tea Consumption on Risk of Osteoporotic Bone Fracture in Older People: Meta-Analysis of Observational studies
Notice bibliographique
Résumé
Objectives: There have been several studies published in the medical literature over the past 30 years that address the association between tea consumption and osteoporosis with inconsistent findings. A meta-analysis was undertaken, including 8 studies, to determine the effect of tea consumption on the risk of fracture. Methods & Materials: This systematic review and meta-analysis conducted on articles published from 1980 to 2010. We searched the following electronic databases: medline, pubmed, ISI, Embase and Chocrane and also reverent journals using mesh search terms including caffeine, tea, coffee, osteoporosis, Bone Mineral Density (BMD) and fracture*. All the relevant English written articles reviewed by two independent researchers. After title and abstract review non-relevant articles were excluded. The full text of accepted publications was obtained and their content reviewed for final inclusion. Using MOOSE (Meta-analysis Of Observational Studies in Epidemiology) criteria, relevant articles with high quality, reporting odds ratio (OR) or risk ratio (RR) for fracture following tea consumption, selected for meta-analysis. Results: Four hundred and twenty one articles found through the primary searches 78 full text articles evaluated. Only 8 of them fulfilled all the inclusion criteria and their relevant data were extracted included into the analysis. The meta-analysis showed that tea consumption can have a protective effect on the risk of hip fracture which is not significant (RR=0.872, 0.733-1.038). Analysis by type of the studies suggests that according to cohort studies there is a significant decrease in the risk of hip fracture following tea consumption (RR=0.749, 0.603-0.929) while case-control studies do not support this findings (RR=1.157, 0.863-1.553). Conclusion: Tea as a popular drink throughout the world can reduce the risk of osteoporotic bone fractures along with its known antioxidant effects.
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 | 0,022 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,057 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».