Gut flora “the second brain” connects Eastern and Western medicine: intestinal hyper-permeability or Qi deficiency can affect brain, mind, and whole body
Notice bibliographique
Résumé
There are two famous “the Father of Modern Medicine”—Hippocrates (a Greek physician) said “all disease begins in the gut” and Sir William Osler (a Canadian physician) said “a man is as old as his arteries.” It is known that gut microbiota imbalance (dysbiosis) and intestinal hyper-permeability are related to high level of advanced glycation end-products (AGEs) which damage blood vessel’s endothelial function and potentially cause multi-organ dysfunction. On the other hand, Traditional Chinese Medicine (TCM) doctors already knew the importance of digestive system thousands of years ago since the production of “Qi” which is vital energy for whole body largely rely on abdominal condition, and Qi deficiency triggers multiple mental and physical symptoms. It may sound two leading Integrative Medicine (IM) systems, Western IM and TCM use “different languages,” but it is not well known that their essence is very similar (illness is a result of “dis-ease” or “dysfunction of Qi.”). Genome analysis technology, such as DNA sequencing and microbiota researches have enabled us to understand how intestinal dysbiosis is related to obesity, metabolic syndrome, brain disorders, autoimmune diseases, or mood disorders (Brain-Mind-Gut axis). In addition, making the most of artificial intelligence’s (AI) “deep learning” technology might be a potential “prescription” to heal worldwide medical-economical crisis, spend more time with patients (for medical providers), and prevent providers’ burnout. AI-assisted TCM-style history taking computer and portable wrist pulse diagnostic device are about to be used in China. In the new era of preventive medicine, gut microbiota research, precision medicine with genome analysis, AI technology and TCM ancient wisdom can be combined together. Blending the new and the old will make it possible to detect and treat “pre-clinical disease” before real diseases happen since Western IM and TCM are actually using a “same language.”
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».