Notice bibliographique
Résumé
Obesity is an important health issue in the current day and age. As it has been reported by many studies on the COVID-19 pandemic, individuals with excess weight and people with poor health are at a higher risk for COVID-19 severity. The purpose of this research is to give a model for losing weight by selecting a plant-based diet and by the progress measuring every day. The methodology is a case study with observations over three years. A case study is used to analyze the model and to teach in many disciplines in universities such as medicine, management, chiropractic, dentistry, psychology. Based on the findings of prior empirical studies, the subject made dietary and behavioral changes and was able to lose 45 kg (95 pounds) in approximately 18 months and maintain the proper weight for two years. The main conclusion is that by following this model including nutrition changes and regular measuring, people can reduce their weight to the normal level and keep it for a long period, hopefully, for the rest of life. This study shows how to change to plant-based food, avoid processed food, and measure the progress every day to adjust the behavior. Furthermore, the study shows that it is not a special diet but a long-term lifestyle. This study has limitations because a case study is not the same as a study with a randomized large sample. However, it contributes to the field of nutrition by showing that with a plant-based diet and a minor behavioral change, one can greatly improve his or her health by staying at a normal weight. This type of nutrition has a major social impact especially at this time of the COVID-19 pandemic because it affects particularly people in poor health conditions.
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 | 0,006 | 0,011 |
| 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 | 0,011 | 0,005 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».