Transcultural Diabetes Nutrition Therapy Algorithm: The Asian Indian Application
Notice bibliographique
Résumé
India and other countries in Asia are experiencing rapidly escalating epidemics of type 2 diabetes (T2D) and cardiovascular disease. The dramatic rise in the prevalence of these illnesses has been attributed to rapid changes in demographic, socioeconomic, and nutritional factors. The rapid transition in dietary patterns in India-coupled with a sedentary lifestyle and specific socioeconomic pressures-has led to an increase in obesity and other diet-related noncommunicable diseases. Studies have shown that nutritional interventions significantly enhance metabolic control and weight loss. Current clinical practice guidelines (CPGs) are not portable to diverse cultures, constraining the applicability of this type of practical educational instrument. Therefore, a transcultural Diabetes Nutrition Algorithm (tDNA) was developed and then customized per regional variations in India. The resultant India-specific tDNA reflects differences in epidemiologic, physiologic, and nutritional aspects of disease, anthropometric cutoff points, and lifestyle interventions unique to this region of the world. Specific features of this transculturalization process for India include characteristics of a transitional economy with a persistently high poverty rate in a majority of people; higher percentage of body fat and lower muscle mass for a given body mass index; higher rate of sedentary lifestyle; elements of the thrifty phenotype; impact of festivals and holidays on adherence with clinic appointments; and the role of a systems or holistic approach to the problem that must involve politics, policy, and government. This Asian Indian tDNA promises to help guide physicians in the management of prediabetes and T2D in India in a more structured, systematic, and effective way compared with previous methods and currently available CPGs.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».