Traditional Chinese Medicine, Food Therapy, and Hypertension Control: A Narrative Review of Chinese Literature
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
Despite the lack of English literature about Traditional Chinese Medicine (TCM) food therapy, there is abundant Chinese literature about the application of food therapy for hypertension control. This paper summarizes basic concepts of TCM, the principles of food therapy and its application for hypertension control according to Chinese literature. In TCM, food is conceptualized according to both nutritional and functional aspects, and can be used to treat illnesses. Four principles of TCM food therapy including light eating, balancing the "hot" and "cold" nature of food, the harmony of the five flavors of food, and consistency between dietary intake and different health conditions, can be used to facilitate hypertension control. Based on a statistical analysis of antihypertensive foods recommended in 20 books on the application of food therapy for hypertension control, the 38 most frequently recommended are celery, tomato, banana, hawthorn, garlic, onion, seaweed, apple, corn, green beans, persimmon, laver, kiwi, watermelon, eggplant, carrots, mushroom, peanut, soy products, sea cucumber, buckwheat, garland chrysanthemum, spinach, honey, dairy products, vinegar, black fungus, jellyfish, green onion, shepherd's purse, soybean, potato, pear, winter melon, bitter melon, oat, pea, and tea. Food therapy emphasizes the therapeutic effects of food, considering its nature, taste, and function on human balanced health, which leads to optimal blood pressure control. Current literature suggests that food therapy is effective in blood pressure control and can be incorporated into blood pressure self-management in the Chinese population.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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