Assessment of metabolic risks for non-communicable diseases using Sasang constitution: a protocol for a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Sasang constitutional medicine (SCM), which categorizes humans into four Sasang types according to their constitution-specific characteristics, has been identified as being useful in predicting metabolic risks and preventing non-communicable diseases (NCDs). However, no systematic review has evaluated this relationship previously. This study protocol describes a method for evaluating the association between Sasang constitution and the metabolic risk factors for NCDs. METHODS: The following nine academic databases will be used as data sources for entries: Medical Literature Analysis and Retrieval System Online, Excerpta Medica database, Web of Science, and six Korean databases. All cohort, case-control, and cross-sectional studies that were published by December 2021 and could explain the association between Sasang constitution and metabolic risk factors for NCDs will be considered eligible. Two independent researchers will select studies, extract data, assess quality of studies, and qualitatively evaluate clinical evidence, subsequently. The quality assessment will be evaluated using the Newcastle-Ottawa Scale, with modifications if necessary. Quantitative data will be synthesized as a random-effects model, if applicable. The strength of clinical evidence will be performed applying the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) or GRADE-Confidence in Evidence from Reviews of Qualitative research approach. DISCUSSION: This study will contribute to helping clinicians and health authorities detect any relevant metabolic risks that patients may have, based on systematic clinical evidence. TRIAL REGISTRATION: Review Registry Unique Identifying Number: reviewregistry1213.
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 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,022 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».