É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de investigação

Efeitos Causais de Fatores de Estilo de Vida e Dietética no Risco de Cálculos Urinários em Estudo Genético e Populacional

103 visualizações

⸱

DOI:

10.3791/71190

⸱

7 de julho de 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Nephrology, Children's Hospital, Zhejiang University School of Medicine, National Clinical Research Center for Children and Adolescents' Health and Diseases, 2School of public health, Shanghai Jiao Tong University School of Medicine, 3Department of Ultrasound, Taizhou Central Hospital, 4Division of Gastroenterology and Hepatology, NHC Key Laboratory of Digestive Diseases, Renji Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai Institute of Digestive Disease, 5Clinical Research Unit, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, 6Department of Clinical Laboratory, Zhongshan Second People's Hospital, 7Department of Nephrology, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine

* These authors contributed equally

Neste artigo

Resumo

Esse protocolo visa usar dados de randomização mendeliana (RM) e NHANES para investigar ligações entre estilo de vida, dieta e cálculos urinários.

Resumo

Este estudo avaliou como hábitos de estilo de vida e fatores alimentares influenciam o risco de cálculos urinários integrando a análise de randomização mendeliana (RM) com dados da Pesquisa Nacional de Saúde e Nutrição (NHANES). Variáveis instrumentais foram obtidas a partir de conjuntos de dados de estudos de associação genômica, enquanto os resultados dos cálculos urinários foram obtidos a partir do banco de dados FinnGen. A análise primária de RM utilizou a abordagem ponderada pela inversa da variância, e métodos adicionais de RM verificaram a robustez dos achados. Os dados do NHANES avaliaram ainda mais as relações entre características de estilo de vida, padrões alimentares e ocorrência de pedras nos rins. A análise RM demonstrou que uma renda antes de impostos maior estava inversamente associada ao risco de cálculos urinários. O maior consumo de frutas frescas e chá, junto com o aumento da ingestão de potássio e vitamina E, também se correlacionou com uma menor probabilidade de formação de pedras. A análise NHANES identificou privação de sono, distúrbios do sono, depressão e índice de massa corporal elevado como fatores de risco significativos para nefrolitiase. Além disso, padrões alimentares pró-inflamatórios caracterizados por escores mais altos no Índice Inflamatório Alimentar aumentaram o risco de cálculos, enquanto a adesão aos padrões alimentares HEI-2020, DASH e aMED apresentou associações protetoras. Esses achados fornecem mais insights sobre determinantes modificáveis na dieta e estilo de vida da doença urinária dos cálculos e podem apoiar o desenvolvimento de estratégias preventivas e terapêuticas.

Introdução

A incidência global de pedras urinárias aumentou, afetando aproximadamente 10% da população mundial em algum momento de suas vidas, com taxas de prevalência mais altas observadas em paísesindustrializados 1, 2, 3. Essa condição impõe um ônus significativo aos sistemas de saúde devido aos custos associados ao diagnóstico, tratamento e manejo dos episódios recorrentes de cálculos. Além disso, pedras urinárias podem causar complicações graves, incluindo cólica renal, hematúria, infecções urinárias e doença renal crônica, afetando assim a qualidade de vida dos pacientes e aumentando amorbidade 4,5.

Apesar de sua alta prevalência e grande carga de saúde, a patogênese das pedras urinárias permanece incerta. Pesquisas atuais identificaram vários fatores de risco associados à formação de pedras urinárias, incluindo hábitos alimentares, ingestão de líquidos, obesidade, distúrbios metabólicos e predisposiçõesgenéticas 6,7,8,9. Enquanto estudos observacionais anteriores tenham associado individualmente vários comportamentos de estilo de vida ou fatores alimentares ao risco de cálculos urinários, a maioria examinou essas exposições isoladamente ou sem considerar a confusão genética. Consequentemente, há uma necessidade crítica de metodologias robustas para descobrir as relações causais entre esses fatores de risco e o desenvolvimento de pedras urinárias. Randomização mendeliana (RM) é uma abordagem analítica que utiliza variantes genéticas como variáveis instrumentais para avaliar o efeito causal da exposição em um resultado, mitigando assim a confusão e a causalidadereversa 10. Ao aplicar a RM, os pesquisadores podem fortalecer as inferências causais entre fatores de risco e desfechos da doença, oferecendo assim insights mais claros sobre a etiologia da doença.

Neste estudo, empregamos uma abordagem de ressonância magnética para investigar as relações causais entre vários fatores de risco e o risco de desenvolvimento de pedras urinárias. Além disso, buscamos validar nossos achados usando dados da Pesquisa Nacional de Saúde e Nutrição (NHANES), um conjunto de dados abrangente e nacionalmente representativo. Ao integrar a epidemiologia genética com dados epidemiológicos tradicionais, este estudo buscou fornecer uma compreensão mais definitiva dos fatores que contribuem para a formação de cálculos urinários e identificar potenciais alvos para prevenção e intervenção. Hipotetizamos que fatores de estilo de vida e dietéticos exercem efeitos causais sobre o risco de formação de cálculos urinários, de modo que comportamentos não saudáveis aumentam o risco enquanto componentes alimentares benéficos específicos reduzem o risco.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Os protocolos de pesquisa para a Pesquisa Nacional de Saúde e Nutrição (NHANES) foram aprovados pelo Conselho de Ética em Pesquisa (ERB) do Centro Nacional de Estatísticas de Saúde (NCHS). Como os conjuntos de dados NHANES são publicamente disponíveis, os pesquisadores não precisam buscar aprovação separada de seus próprios comitês institucionais de revisão (IRBs). As estatísticas resumidas deste estudo de associação genômica ampla (GWAS) também são de acesso público. De acordo com os termos de uso do repositório de dados e as aprovações concedidas aos pesquisadores originais do estudo, esta análise secundária não exigiu nova aprovação do IRB nem consentimento informado individual adicional. Cada estudo GWAS contribuinte incluía detalhes sobre supervisão ética e procedimentos de consentimento em sua publicação original. Todas as análises foram realizadas de acordo com as políticas institucionais e os princípios da Declaração de Helsinque. O protocolo completo está detalhado na Figura 1.

Projeto MR

A RM com duas amostras é considerada um método para identificar a relação causal entre o fenótipo de exposição e o desfecho utilizando instrumentos genéticos (polimorfismos de nucleotídeo único [SNPs]) como variáveis instrumentais (IVs) a partir de um conjunto público acessível de estudos de associação genômica ampla em amostra grande (GWAS). Ao compensar as desvantagens típicas da confusão residual e causalidade reversa em estudos observacionais, a RM com duas amostras poderia reforçar a capacidade de inferir a causalidade de uma associação exposição-resultado. Um estudo de RM bem elaborado baseou-se nas seguintes três suposições: (i) suposição de relevância: variantes genéticas estão associadas a fatores de risco; (ii) suposição de independência: variantes genéticas são independentes de fatores de confusão; e (iii) suposição de restrição de exclusão: variantes genéticas afetam os resultados apenas por meio dos fatoresde risco 11,12.

Fonte de dados e seleção de IVs

Para esta análise de RM, bancos de dados GWAS públicos disponíveis, incluindo IEU openGWAS, o catálogo GWAS e dados de resumo GWAS publicados, foram pesquisados para obter conjuntos de dados elegíveis para exposição. Portanto, não era necessária aprovação ética adicional. As exposições foram categorizadas em dois grupos: (i) estilo de vida e (ii) fatores alimentares. Para cada exposição, os critérios de seleção foram os seguintes: (1) o GWAS foi realizado em indivíduos de ascendência europeia para minimizar a estratificação populacional; (2) o tamanho da amostra era suficientemente grande (geralmente >100.000 participantes) para garantir poder estatístico adequado para a seleção de variáveis do instrumento; (3) o GWAS fornecia dados em nível de resumo, incluindo estimativas de efeito em nível SNP, erros padrão e valores-p; e (4) a definição do fenótipo foi consistente com nossa exposição de interesse. Quando múltiplos conjuntos de dados estavam disponíveis para a mesma exposição, mantínhamos preferencialmente o conjunto de dados com maior tamanho de amostra, pois amostras maiores fornecem estimativas de efeito mais precisas e um número maior de SNPs significativos em todo o genoma para uso como variáveis instrumentais. Nos casos em que os tamanhos das amostras foram comparáveis, selecionamos o conjunto de dados com a definição de fenótipo mais rigorosa ou aquele que excluía amostras sobrepostas com o GWAS de resultado para evitar possível viés de sobreposição de amostras.

Inicialmente, estabelecemos um limiar de significância genômica de p < 5E-8 para identificar SNPs altamente correlacionados a cada exposição. No entanto, devido ao número limitado de SNPs identificados para certos fatores potenciais de risco quando considerados para exposição, optamos por um corte ligeiramente mais alto, variando de p < 1E-7 a p < 1E-5. Informações detalhadas sobre as exposições utilizadas neste estudo são fornecidas na Tabela Suplementar 1. Todos os SNPs foram agrupados para evitar o desequilíbrio de ligação sob uma janela de agrupamento estrita (r2 = 0,01 e kb = 5.000). A harmonização foi realizada em modo estrito (ação=3) para eliminar SNPs palindrômicos com frequências aleladas intermediárias. As forças das correlações entre IVs e fatores de exposição foram avaliadas usando a estatística F, e IVs com F < 10 foram eliminadas para garantir a força de associação dos instrumentos genéticos para cada fator de risco potencial e evitar viés fraco dos instrumentos. Dados para cálculos urinários (ncase = 9713, ncontrol = 366.693) foram extraídos do banco de dados FinnGen (finngen_R9_N14_CALCUKIDUR), um grande projeto público que abrange mais de 370.000 participantes do biobancofinlandês 13. Cálculos urinários foram diagnosticados de acordo com o CID-10.

Análise estatística de RM

A seleção instrumental de variantes, análises de randomização mendeliana e visualização de dados foram realizadas em R usando os pacotes que suportam principalmente TwoSampleMR e MRPRESSO. Múltiplas abordagens de RM foram aplicadas, incluindo o modelo de efeitos aleatórios ponderados com variância inversa (IVW)14,15,MR-Egger 16, medianaponderada 17, modoponderado 18 e modosimples 19. O modelo de VV de efeitos aleatórios foi usado como principal abordagem analítica porque fornece estimativas causais confiáveis por meio da integração meta-analítica das razões de Wald para cada variável instrumental quando a pleiotropia direcional não está presente. Análises de MR-Egger, mediana ponderada, modo ponderado e modos simples foram realizadas adicionalmente para avaliar a consistência e robustez dos achados.

A estatística Q de Cochran avaliou a heterogeneidade entre SNPs individuais. A estabilidade das estimativas de RM foi examinada mais detalhadamente por meio de análise de sensibilidade leave-one-out, removendo sequencialmente cada variável instrumental. O teste de interceptação MR-Egger e o método Mendelian Randomization Pleiotropy RESidual Sum and Outlier avaliaram a influência dos SNPs pleiotrópicos e aberrantes na inferência causal. A correção por múltiplos testes foi realizada usando o procedimento de Benjamini–Hochberg com ajuste da taxa de falsas descobertas, e um limiar ajustado de valor p de 0,0520 indicou significância estatística. Os cálculos estatísticos de potência para as análises de RM foram realizados usando uma ferramenta online disponível na https://sb452.shinyapps.io/power/. Associações causais foram relatadas como razões de chances com intervalos de confiança correspondentes de 95%. Todas as análises estatísticas foram realizadas usando a versão 4.2.2 do software R, desenvolvida pela R Foundation for Statistical Computing.

Estudo observacional populacional e design

Os 20.797 participantes selecionados para o estudo transversal foram do ciclo 2009–2020 do NHANES, uma pesquisa transversal de uma amostra nacionalmente representativa da população civil não institucionalizada dos EUA, baseada em um desenho estratificado e de amostragem probabilística em múltiplos estágios. O critério completo de inclusão e exclusão está mostrado na Figura Suplementar 1. Entre os 24.593 participantes que responderam à Entrevista Alimentar e ao Questionário de Condições Renais, aqueles com dados ausentes, como estilo de vida e informações demográficas, foram excluídos. Todos os participantes responderam ao Questionário de Condições Renais e foram questionados: "Já teve pedras nos rins?" Perguntaram a eles que uma resposta "Sim" foi definida como uma pedra nos rins.

Pontuações de padrões alimentares

Dados abrangentes sobre ingestão alimentar foram coletados dos participantes do NHANES para estimar o consumo de energia, a ingestão de nutrientes e componentes alimentares adicionais derivados de alimentos consumidos durante o período de 24 horas anterior à entrevista. Como entrevistas alimentares presenciais proporcionam maior precisão e consistência, os dados dietéticos da entrevista inicial foram usados para avaliar a qualidade da dieta e gerar índices de qualidade alimentar. O Índice Inflamatório Dietético (DII) foi desenvolvido para avaliar as características inflamatórias de padrões alimentares individuais, incorporando 45 componentes alimentares com propriedades pró-inflamatórias ouanti-inflamatórias 21. Vinte e oito alimentos do NHANES foram usados para calcular o DII. Escores mais altos positivos de DII estiveram associados a maior capacidade pró-inflamatória, enquanto valores negativos mais altos de DII foram associados a maior capacidade anti-inflamatória. O Índice de Alimentação Saudável-2020 (HEI-2020) é uma versão atualizada que avalia a adequação entre a ingestão alimentar e as novas Diretrizes Alimentares dos EUA (DGA) 2020–2025, incluindo 13 grupos: frutas totais, frutas integrais, vegetais e leguminosas, grãos integrais, laticínios, alimentos totais, proteínas totais, frutos do mar e proteínas vegetais, ácidos graxos, grãos refinados, sódio, açúcares adicionados e consumo de gordurassaturadas 22. 23. As pontuações HEI-2020 variam de 0 a 100, com pontuações mais altas refletindo dietas mais saudáveis. A pontuação do Dietary Approaches to Stop Hypertension (DASH) consiste em nove componentes (gordura total, gordura saturada, proteína, fibra, colesterol, cálcio, magnésio, potássio e sódio), com escores variando de 0 a 9, sendo que pontuações mais altas indicam maior adesão ao padrão alimentarDASH 24. O modelo alternativo da Dieta Mediterrânea (aMED) consiste em nove componentes: vegetais, leguminosas, frutas, nozes, grãos integrais, carnes vermelhas e processadas, peixe, álcool e a proporção de gorduras monoinsaturadas parasaturadas 25. As pontuações da aMed variaram de 0 a 9, com escores mais altos indicando maior adesão ao modelo da Dieta Mediterrânea. Todos os escores de padrões alimentares descritos acima foram calculados usando o pacote "dietaryindex" R.

Estilo de vida e covariáveis

Os dados do questionário forneceram informações sobre a demografia dos participantes, condições de saúde e características de estilo de vida, incluindo idade, sexo, raça ou etnia, nível educacional, renda familiar, atividade física, hábitos de fumo e consumo de álcool. Raça e etnia foram classificadas em brancos não hispânicos, negros não hispânicos, mexicano-americanos, outros grupos hispânicos e outras categorias raciais ou étnicas. O nível educacional era agrupado em educação abaixo do ensino médio e educação além do ensino médio. O nível de renda dos domicílios foi definido pela razão de renda da pobreza (PIR): baixa (PIR < 1,30), moderada (1,30 ≤ PIR < 3,50) e alta (≥ 3,50). Um histórico de doença diabética foi obtido com base em autorrelato (sim ou não). A atividade física no tempo livre (LTPA) foi categorizada em três categorias baseadas na intensidade e duração do exercício: exercício de intensidade moderada < 75 minutos; 75–150 min; e ≥ 150 min, ou atividade vigorosa ≥ 75 min. O comportamento sedentário foi classificado como sim ou não (≥ 6 e < 6 horas) com base no tempo sedentário. Uma pontuação de depressão de ≥ 10 foi categorizada como limiar clínico de depressão de acordo com a pontuação do questionário PHQ-9 e a depressão. Fumar foi categorizado como ter fumado (mais de 100 cigarros no total no passado). O consumo de álcool foi categorizado como nunca beber, consumo moderado (≤ 2 bebidas por dia para homens e ≤ 1 bebida por dia para mulheres) e consumo excessivo (> 2 bebidas por dia para homens e > 1 bebida por dia para mulheres). A duração do sono foi classificada em três categorias (< 7, 7–9 e ≥ 9 h), e os problemas de sono foram categorizados como sim ou não com base na auto-relatação. O Índice de Massa Corporal (IMC) foi categorizado como magro ou normal (< 25 kg/m 2), acima do peso (25–30 kg/m 2) ou obeso (> 30 kg/m 2).

Análise estatística

As características dos participantes foram resumidas para a população geral do estudo e ainda categorizadas de acordo com o estado das pedras nos rins. Variáveis contínuas foram apresentadas como valores médios com erros padrão, enquanto variáveis categóricas e ordinais foram expressas como frequências e percentuais. Como o NHANES utiliza um desenho amostral complexo e nacionalmente representativo, pesos amostrais de 12 anos foram aplicados durante as análises. A regressão logística foi usada para avaliar as associações entre escores de padrões alimentares, estilo de vida e cálculos renais. Neste caso, as pontuações dos padrões alimentares foram divididas em tertéis. Nos modelos de regressão, o Modelo 1 foi ajustado por idade (anos consecutivos), sexo (masculino e feminino) e raça (branco não hispânico, negro não hispânico, hispânico, etc.), e adicionalmente ajustado para nível de escolaridade, PIR e histórico de diabetes no Modelo 2 com base no Modelo 1. Todas as análises foram testes bilaterais, e um valor p < 0,05 foi considerado estatisticamente significativo. Os dados do NHANES foram analisados estatisticamente usando SAS, versão 9.4.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Análise randomizadora mendeliana de estilos de vida com cálculos urinários

A Figura 2 mostra os efeitos aleatórios da FIV entre fatores de estilo de vida e risco de cálculos urinários. Descobrimos que a frequência do consumo de álcool (OR = 1,37, IC 95% = 1,14–1,66, p = 0,001) estava causalmente associada a um risco elevado de cálculos urinários para aumentos geneticamente previstos de 1-SD, enquanto a re...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Com base nos achados da randomização mendeliana, maior renda, consumo de frutas frescas, consumo de chá e níveis mais altos de potássio e vitamina E reduzem significativamente o risco de cálculos urinários. Com base nos dados do NHANES, sono insuficiente, distúrbios do sono, depressão, IMC alto e uma dieta pró-inflamatória (DII alta) aumentam o risco de pedras nos rins, enquanto os padrões alimentares saudáveis HEI-2020, DASH e aMED reduzem esse risco.

A valid...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Agradecimentos

O trabalho foi apoiado pelo Programa de Ciências Médicas e da Saúde da Província de Zhejiang (2025HY0499; 2025ZR046) e pela Fundação Nacional de Ciências Naturais da China (82400854).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
GWAS exposure databasesIEU
OpenGWAS project		https://gwas.mrcieu.ac.uk/Dados genéticos disponíveis publicamente relacionados a fatores de exposição
GWAS outcome databasesFinnGenhttps://www.finngen.fi/enDados genéticos disponíveis publicamente relacionados a cálculos renais
NHANES 2009–2020 Demographics & Socioeconomic datasetCDC NHANESDEMOConjunto de dados publicamente disponível com variáveis demográficas, socioeconômicas e de estilo de vida
NHANES 2009–2020 Dietary intakeCDC NHANES24h recallAvaliação de Ingestão Dietética
NHANES 2009–2020 QuestionnaireCDC NHANESQuestionnaireDescreva se você tem cálculos renais
R R Foundationhttps://www.rproject.org(versão 4.2.2 )Software usado para analisar dados de NHANES e mendeliana 
SASSAS companyhttp://www.sas.com/(versão 9.4)Software usado para analisar dados de NHANES 

Referências

  1. Edvardsson, V. O., Indridason, O. S., Haraldsson, G., Kjartansson, O., Palsson, R. Temporal trends in the incidence of kidney stone disease. Kidney Int. 83 (1), 146-152 (2013).
  2. Scales, C. D. Jr, Smith, A. C., Hanley, J. M., Saigal, C. S. Urologic Diseases in America Project. Prevalence of kidney stones in the united states. Eur Urol. 62 (1), 160-165 (2012).
  3. Romero, V., Akpinar, H., Assimos, D. G. Kidney stones: A global picture of prevalence, incidence, and associated risk factors. Rev Urol. 12 (2-3), e86-e96 (2010).
  4. Walter, K. Kidney stones. JAMA. 328 (9), 898(2022).
  5. Moe, O. W. Kidney stones: Pathophysiology and medical management. Lancet. 367 (9507), 333-344 (2006).
  6. Shavit, L., et al. Effect of being overweight on urinary metabolic risk factors for kidney stone formation. Nephrol Dial Transplant. 30 (4), 607-613 (2015).
  7. Ferraro, P. M., Taylor, E. N., Gambaro, G., Curhan, G. C. Dietary and lifestyle risk factors associated with incident kidney stones in men and women. J Urol. 198 (4), 858-863 (2017).
  8. Ferraro, P. M., Taylor, E. N., Curhan, G. C. Factors associated with sex differences in the risk of kidney stones. Nephrol Dial Transplant. 38 (1), 177-183 (2023).
  9. Soucie, J. M., Coates, R. J., Mcclellan, W., Austin, H., Thun, M. Relation between geographic variability in kidney stones prevalence and risk factors for stones. Am J Epidemiol. 143 (5), 487-495 (1996).
  10. Smith, G. D., Ebrahim, S. 'Mendelian randomization': Can genetic epidemiology contribute to understanding environmental determinants of disease? Int J Epidemiol. 32 (1), 1-22 (2003).
  11. Burgess, S., et al. Guidelines for performing mendelian randomization investigations: Update for summer 2023. Wellcome Open Res. 4, 186(2019).
  12. Emdin, C. A., Khera, A. V., Kathiresan, S. Mendelian randomization. JAMA. 318 (19), 1925-1926 (2017).
  13. Kurki, M. I., et al. Finngen provides genetic insights from a well-phenotyped isolated population. Nature. 613 (7944), 508-518 (2023).
  14. Burgess, S., Dudbridge, F., Thompson, S. G. Combining information on multiple instrumental variables in mendelian randomization: Comparison of allele score and summarized data methods. Stat Med. 35 (11), 1880-1906 (2016).
  15. Burgess, S., et al. Using published data in mendelian randomization: A blueprint for efficient identification of causal risk factors. Eur J Epidemiol. 30 (7), 543-552 (2015).
  16. Bowden, J., Davey Smith, G., Burgess, S. Mendelian randomization with invalid instruments: Effect estimation and bias detection through egger regression. Int J Epidemiol. 44 (2), 512-525 (2015).
  17. Bowden, J., Davey Smith, G., Haycock, P. C., Burgess, S. Consistent estimation in mendelian randomization with some invalid instruments using a weighted median estimator. Genet Epidemiol. 40 (4), 304-314 (2016).
  18. Hartwig, F. P., Davey Smith, G., Bowden, J. Robust inference in summary data mendelian randomization via the zero modal pleiotropy assumption. Int J Epidemiol. 46 (6), 1985-1998 (2017).
  19. Milne, R. L., et al. Identification of ten variants associated with risk of estrogen-receptor-negative breast cancer. Nat Genet. 49 (12), 1767-1778 (2017).
  20. Wang, H., Qiu, Y., Guo, H., Yin, Y., Liu, P. Information-incorporated gene network construction with fdr control. Bioinformatics. 40 (3), (2024).
  21. Zhao, L., Sun, Y., Liu, Y., Yan, Z., Peng, W. A j-shaped association between dietary inflammatory index (dii) and depression: A cross-sectional study from nhanes 2007-2018. J Affect Disord. 323, 257-263 (2023).
  22. Zhan, J. J., et al. Dietaryindex: A user-friendly and versatile r package for standardizing dietary pattern analysis in epidemiological and clinical studies. Am J Clin Nutr. 120 (5), 1165-1174 (2024).
  23. Jayanama, K., et al. Relationship between diet quality scores and the risk of frailty and mortality in adults across a wide age spectrum. BMC Med. 19 (1), 64(2021).
  24. Ferguson, C. C., Knol, L. L., Ellis, A. C. Visceral adiposity index and its association with dietary approaches to stop hypertension (dash) diet scores among older adults: National health and nutrition examination surveys 2011-2014. Clin Nutr. 40 (6), 4085-4089 (2021).
  25. Oddo, V. M., et al. Adherence to a mediterranean diet is associated with lower depressive symptoms among u.S. Adults. Nutrients. 14 (2), (2022).
  26. Shringi, S., Raker, C. A., Chonchol, M., Tang, J. Alcohol intake and prevalent kidney stone: The national health and nutrition examination survey 2007-2018. Nutrients. 16 (17), (2024).
  27. Yang, S., et al. Association between alcohol and urolithiasis: A mendelian randomization study. Urolithiasis. 51 (1), 103(2023).
  28. Siener, R. Impact of dietary habits on stone incidence. Urol Res. 34 (2), 131-133 (2006).
  29. Kuo, R. L., et al. Urine calcium and volume predict coverage of renal papilla by randall's plaque. Kidney Int. 64 (6), 2150-2154 (2003).
  30. Kramer, H. J., Choi, H. K., Atkinson, K., Stampfer, M., Curhan, G. C. The association between gout and nephrolithiasis in men: The health professionals' follow-up study. Kidney Int. 64 (3), 1022-1026 (2003).
  31. Kim, S. Y., Yoo, D. M., Bang, W. J., Choi, H. G. Obesity is positively associated and alcohol intake is negatively associated with nephrolithiasis. Nutrients. 14 (19), (2022).
  32. Ferraro, P. M., Taylor, E. N., Gambaro, G., Curhan, G. C. Soda and other beverages and the risk of kidney stones. Clin J Am Soc Nephrol. 8 (8), 1389-1395 (2013).
  33. Wang, H., et al. Consumption of tea, alcohol, and fruits and risk of kidney stones: A prospective cohort study in 0.5 million chinese adults. Nutrients. 13 (4), (2021).
  34. Wang, X., et al. Systematic review and meta-analysis of the effect of alcohol intake on the risk of urolithiasis including dose-response relationship. Urol Int. 94 (2), 194-204 (2015).
  35. Eisner, B. H., Sheth, S., Dretler, S. P., Herrick, B., Pais, V. M. Jr Effect of socioeconomic status on 24-hour urine composition in patients with nephrolithiasis. Urology. 80 (1), 43-47 (2012).
  36. Jeong, B. C., Kim, B. S., Kim, J. I., Kim, H. H. Effects of green tea on urinary stone formation: An in vivo and in vitro study. J Endourol. 20 (5), 356-361 (2006).
  37. Itoh, Y., et al. Preventive effects of green tea on renal stone formation and the role of oxidative stress in nephrolithiasis. J Urol. 173 (1), 271-275 (2005).
  38. Peerapen, P., Thongboonkerd, V. Caffeine prevents kidney stone formation by translocation of apical surface annexin a1 crystal-binding protein into cytoplasm: In vitro evidence. Sci Rep. 6, 38536(2016).
  39. Meschi, T., et al. The effect of fruits and vegetables on urinary stone risk factors. Kidney Int. 66 (6), 2402-2410 (2004).
  40. Wagner, C. A., Mohebbi, N. Urinary ph and stone formation. J Nephrol. 23, Suppl 16. S165-S169 (2010).
  41. Huang, H. S., Chen, J., Chen, C. F., Ma, M. C. Vitamin e attenuates crystal formation in rat kidneys: Roles of renal tubular cell death and crystallization inhibitors. Kidney Int. 70 (4), 699-710 (2006).
  42. Huang, H. S., Ma, M. C., Chen, J. Low-vitamin e diet exacerbates calcium oxalate crystal formation via enhanced oxidative stress in rat hyperoxaluric kidney. Am J Physiol Renal Physiol. 296 (1), F34-F45 (2009).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Etiquetas

MedicinaEdição 233Edição 233Valor VazioEdiçãoEstilos de vidaIngestão dietéticaRandomização MendelianaNHANES
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.