Comparison of Traditional Chinese Medicine and Traditional Iranian Medicine in Diagnostic Aspect
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Iranian traditional medicine (TIM) has a long and old history from ancient periods up to now and it is used in prevention, diagnosis, treatment, and elimination of diseases in Persia and neighboring countries. In Traditional Iranian Medicine, physiological functions of the human body are based on 7 factors: Elements, Temperament, Humors, Organs, Spirits, Forces or Faculty, Functions. Traditional Chinese Medicine (TCM) with 3000-5000 year of history has a unique system to diagnosis and prevention of diseases. TCM with acupuncture and Chinese herbal medicine is one of the most important parts in complementary and alternative medicine. The clinical diagnosis and treatment in TCM are mainly based on the yin-yang and five elements theories. The aim of present study is to assess differences of TCM and TIM in diagnostic aspect for this purpose we searched Iranian databases and 30 years review articles of the Chinese scholar database (CNKI, VIP…) and relevant articles published in Journals inside and outside of China without language restrictions. The results showed that diagnosis in TIM is mostly focused on urine analysis, smelling, and pulse-taking, while a diagnosis of diseases in TCM is mainly focused on tongue observation and pulse taking. It seems that through the time some parts of diagnosis are missed. If practitioners take advantages from traditional medicine and combine it with the science of western medicine, it could be a great help for integrative medicine. Our knowledge about each of the traditional medicine not only should not be against the other types of traditional medicine but also it should be a help for finding information about missed parts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 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 découle