MétaCan
Menu
Retour à la cohorte
Enregistrement W4405547059 · doi:10.5772/intechopen.1008363

Principles of Nutrition in Patients with Non-alcoholic Fatty Liver Disease

2024· book-chapter· en· W4405547059 sur OpenAlexfundno aff
Narges Mobasheri, Leila Ghahremani, Mahin Nazari

Notice bibliographique

RevueIntechOpen eBooks · 2024
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesHealth Canada
Mots-clésNonalcoholic fatty liver diseaseMedicineMediterranean dietDashDietary fiberDiseaseDASH dietIntensive care medicineLiver diseaseWeight lossFatty liverEnvironmental healthInternal medicineObesityFood scienceBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

This chapter will comprehensively address the nutritional principles essential for managing nonalcoholic fatty liver disease (NAFLD). It will explore the critical role of diet in the prevention and treatment of NAFLD, providing evidence-based dietary recommendations to improve liver health and the overall well-being of patients. Key topics will include the importance of balanced macronutrient intake, the role of specific nutrients and food groups (e.g., antioxidants, fiber, and healthy fats), and the impact of dietary patterns such as the Mediterranean and Dietary Approaches to Stop Hypertension (DASH) diet on liver fat reduction and inflammation. Additionally, the chapter will discuss the significance of weight management, outlining the standard amount of weight loss beneficial for NAFLD patients. Practical guidelines on how to implement these dietary changes, overcome common barriers, and maintain long-term adherence will be provided. This chapter aims to equip healthcare professionals and patients with the knowledge and tools necessary to effectively manage NAFLD through diet, ultimately improving patient outcomes and quality of life.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,238
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207