Empirical Analysis of Body Constitution and Food Intake in Persons with Type 2 Diabetes from a TCM Perspective
Notice bibliographique
Résumé
This study examined the correlations between body constitution (BC) and food intake in a sample of persons with Type 2 Diabetes (T2DM) from a perspective of traditional Chinese medicine (TCM). Past research on BC of persons with diabetes (DM) from a TCM perspective revealed imbalanced state of Yin and Yang in terms of Yin-deficiency (YID), Yang-deficiency (YAD), and Yin-Yang-deficiency (YYD). However, no studies have attempted to find out if daily food intake has an influence on Yin–Yang balance. The present study adapted a mixed method, which constituted of two phases. Phase one involved an exploratory case study (n=18) conducted between May and June 2011 and phase two, a descriptive correlation study (n=210) between October and December 2013. Results showed that in phase-one, three cases showed YID and higher food intake in hot/warm nature, 12 cases with YAD and higher food intake in cold/cool nature while three cases with Yin-Yang-deficiency (YYD) and extremely high food intake in cold/cool nature. In phase-two, Spearman’s correlation coefficient between food intake and YID presentations (YIDPs) (hot/warm food: rho=0.34, p=0.000; cold/cool food: rho= 0.18, p=0.006); YAD presentations (YADPs) (hot/warm food: rho=0.18, p=0.008; cold/cool food: rho=0.2, p=0.006); and YYD presentations (YYDPs) (hot/warm food: rho=0.29, p=0.006; cold/cool food: rho=0.2, p=0.003) have been noted. The findings concluded that persons with T2DM and YIDPs, YADPs, or YYDPs tend to have food intakes higher in hot/warm nature or cold/cool nature
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».