XiaoMi-AI文件搜索系统
World File Search Systemeating
机器学习方法的探索性应用，以优化对饮食失调症状的数字干预措施的预测
Dwyer，D。和Choi，K。（2021）。在预测精神病学治疗结果时，机器学习的希望。世界精神病学，20（2），154 - 170。https：//doi.org/10.1002/wps.20882 Chien，I.，Enrique，A.，Palacios，J.，Regan，T.，Keegan，T.，Keegan，D. （2020）。一种机器学习方法，以了解与互联网交付的心理健康相互作用的互动模式。JAMA Network Open，3（7），E2010791。https://doi.org/10。 1001/jamanetworkopen.2020.10791 Christodoulou，E.，Ma，J.，Collins，G.S.，Steyerberg，E.W. （2019）。 系统的综述显示机器学习对临床预测模型的逻辑回归没有任何绩效益处。 临床流行病学杂志，110，12 - 22。https：// doi。 org/10.1016/j.jclinepi.2019.02.004 Fitzsimmons-Craft，E。E. Jacobi，C.，Jo，B.，Trockel，M。T.和Wilfley，D。E.（2020）。 数字认知行为疗法的有效性 - 对大学女性饮食失调的指导自助干预：一项群集随机临床试验。 JAMA Network Open，3（8），E2015633。 https://doi.org/10.1001/jamanetworkopen.2020.15633 Flygare，O. BMC精神病学，20（1），1 - 9。https：// doi。 统计软件杂志，33（1），1 - 22。https://doi.org/10。1001/jamanetworkopen.2020.10791 Christodoulou，E.，Ma，J.，Collins，G.S.，Steyerberg，E.W.（2019）。系统的综述显示机器学习对临床预测模型的逻辑回归没有任何绩效益处。临床流行病学杂志，110，12 - 22。https：// doi。org/10.1016/j.jclinepi.2019.02.004 Fitzsimmons-Craft，E。E. Jacobi，C.，Jo，B.，Trockel，M。T.和Wilfley，D。E.（2020）。数字认知行为疗法的有效性 - 对大学女性饮食失调的指导自助干预：一项群集随机临床试验。JAMA Network Open，3（8），E2015633。https://doi.org/10.1001/jamanetworkopen.2020.15633 Flygare，O.BMC精神病学，20（1），1 - 9。https：// doi。统计软件杂志，33（1），1 - 22。预测互联网传递认知行为疗法后身体障碍障碍的预测因素：一种机器学习方法。org/10.1186/s12888-020-02655-4 Friedman，J.，Hastie，T。，＆Tibshirani，R。（2010）。通过坐标下降的通用线性模型的正规化路径。Hettige，N。C.，Nguyen，T。B.，Yuan，C.，Rajakulendran，T.，Baddour，J.，Bhagwat，N.，Bani-Fatemi，A.，Voineskos，A.N. 使用社会文化和临床特征对精神分裂症中自杀式定位的分类：一种机器学习方法。 综合医院精神病学，47，20 - 28。https：//doi.org/10.1016/j.genhosppsy.2017.03.001 Hooker，S。（2021）。 超越“算法偏差是数据问题”。 模式，2（4），100241。 Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，敏感和前景。 Science，349（6245），255 - 260。https：//doi.org/10。 1126/science.AAA8415库恩。 （2021）。 caret：分类和回归培训。 r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。 机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。 做Hettige，N。C.，Nguyen，T。B.，Yuan，C.，Rajakulendran，T.，Baddour，J.，Bhagwat，N.，Bani-Fatemi，A.，Voineskos，A.N.使用社会文化和临床特征对精神分裂症中自杀式定位的分类：一种机器学习方法。综合医院精神病学，47，20 - 28。https：//doi.org/10.1016/j.genhosppsy.2017.03.001 Hooker，S。（2021）。超越“算法偏差是数据问题”。模式，2（4），100241。Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，敏感和前景。 Science，349（6245），255 - 260。https：//doi.org/10。 1126/science.AAA8415库恩。 （2021）。 caret：分类和回归培训。 r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。 机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。 做Jordan，M。I.和Mitchell，T。M.（2015）。机器学习：趋势，敏感和前景。Science，349（6245），255 - 260。https：//doi.org/10。1126/science.AAA8415库恩。（2021）。caret：分类和回归培训。r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。做情感障碍杂志，241，519 - 532。https：//doi.org/10.1016/j.jad.2018.08.073 Lekkas，D.，Price，G.，McFadden，J。，J。，＆Jacobson，J。，＆Jacobson，N.C。（2021）。机器学习到在线正念干预数据的应用：合规性评估中的底漆和经验示例。正念，12（10），2519 - 2534。https：//doi.org/10.1007/s12671-021-021-021-01723-4 Linardon，J.，J.，Messer，M.，Shatte，M.，Shatte，Shatte，Shatte，A.
1型糖尿病年轻人的喂养和饮食失调：系统评价O. Belakbir 1*，H。Kisra 1
饮食失调（ED）在1型糖尿病（T1D）的年轻人中越来越关注，其患病率显着高于一般青少年人群中观察到的。研究表明，与非糖尿病同龄人相比，患有糖尿病的青少年出现ED的可能性高2至3倍。这种增加的患病率部分归因于该人群所特有的几个风险因素。青春期本身是ED的主要危险因素，其特征是激素波动，对身体形象的关注以及实验性饮食行为的增加。但是，对于患有T1D的年轻人来说，这些风险受到其他挑战的加剧。每日糖尿病管理，涉及对血糖水平进行严格监测以及对饮食摄入的精确控制，可能会导致压力增加，并过度关注体重和身体形状。此外，与血糖控制有关的社会期望和压力可以加强有问题的饮食行为。在年轻的糖尿病患者中，可能会对糖尿病管理和整体健康造成严重影响。 限制性饮食或清除行为会导致血糖失衡，糖尿病控制不良以及相关并发症的风险增加。 这也会恶化心理困难，例如焦虑和抑郁，从而扩大了精神和身体健康的恶化。 在年轻糖尿病患者中对ED的有效管理需要多学科的方法。 至关重要的是，整合不仅要解决营养和心理方面的干预措施，而且要解决与管理T1D有关的具体挑战。可能会对糖尿病管理和整体健康造成严重影响。限制性饮食或清除行为会导致血糖失衡，糖尿病控制不良以及相关并发症的风险增加。这也会恶化心理困难，例如焦虑和抑郁，从而扩大了精神和身体健康的恶化。在年轻糖尿病患者中对ED的有效管理需要多学科的方法。至关重要的是，整合不仅要解决营养和心理方面的干预措施，而且要解决与管理T1D有关的具体挑战。早期检测和治疗ED可以改善临床结果，并在糖尿病管理和患者心理健康之间取得更好的平衡。关键词：喂养和饮食失调，糖尿病，boulimia，儿童和青少年精神病学。版权所有©2024作者：这是根据Creative Commons Attribution 4.0国际许可（CC BY-NC 4.0）分发的开放访问文章，允许在任何非商业用途的媒介中使用，不受限制地使用，分发和再现，以提供原始作者和源头。
以人为本的痴呆症护理人工智能：利用强化学习在饮食场景中提供个性化干预支持
摘要。对于患有早期痴呆症 (PwD) 的人来说，记住定期进食和饮水并保持健康独立的生活可能具有挑战性。现有的智能家居技术主要侧重于活动识别，但缺乏自适应支持。这项研究通过开发受即时自适应干预 (JITAI) 概念启发的 AI 系统来解决这一差距。它适应个人行为并在家庭环境中提供个性化干预，提醒和鼓励 PwD 管理他们的饮食习惯。考虑到 PwD 的认知障碍，我们根据医疗保健理论和护理人员的见解设计了一个以人为本的人工智能系统。它采用强化学习 (RL) 技术来提供个性化干预。为了避免与 PwD 的过度互动，我们开发了一种基于 RL 的模拟协议。这使我们能够在各种模拟场景中评估不同的 RL 算法，不仅可以找到最有效和最高效的方法，还可以在实施现实世界的人类实验之前验证我们系统的稳健性。模拟实验结果证明了自适应 RL 在构建以人为本的 AI 系统方面具有良好的潜力，该系统可以感知同理心的表达，以改善痴呆症护理。为了进一步评估该系统，我们计划进行现实世界的用户研究。
“感觉就像是医学促进的无序饮食”：妊娠糖尿病在围产期的心理社会影响
妊娠糖尿病（GDM）是一种糖尿病的一种形式，是在怀孕期间首次发生的糖尿病，影响了全球约15％的女性[1]。GDM最常报道的围产期后果是宏观疾病（重4公斤的新生儿），可以增加剖腹产，肩膀肌张力障碍，工具性出生和出生损伤的风险[2]。GDM通常在出生后解决，但它可能会对母亲和婴儿产生长期的影响，包括后来生活中2型糖尿病的风险增加[3]。GDM通常使用口服葡萄糖耐受性测试的血糖水平来诊断。GDM的全球患病率正在增加，部分原因是产妇年龄，肥胖和测试实践的增加。然而，兴起也可能是由于国际糖尿病协会在妊娠研究组中提出的新诊断标准（IADPSG），该协会利用较低的葡萄糖切断来诊断GDM [4]。这些标准已被某些国家采用，但没有采用其他国家，导致基于位置的GDM诊断差异。尽管引入了新的IADPSG Cri-Teria [5]，但GDM患病率升高，但POST研究表明，不良结果的临床改善最小[6]。GDM的管理要求女性，涉及对血液glusose，饮食和运动改性的自我监测，在某些情况下，使用包括二甲双胍和胰岛素在内的药理学治疗[7]。越来越多的文献证明了GDM对妇女心理健康成果的影响。妇女将增加与医疗保健专业人员（HCP）的联系，而GDM的密集管理有可能将怀孕的文本经历从“正常”变为高度医疗的妊娠经验[8]。定性研究强调了在怀孕的不同阶段，患有GDM的女性经历的心理困扰，内gui，羞耻和自称[9，10]。furthore，更多的研究表明，GDM与随后心理健康症状学的发展之间的关联，特别是抑郁症和焦虑。最近的一项元分析报告，与没有GDM相比，GDM女性在产前或产后期间抑郁症的可能性高2-4倍[11]。研究经常在产前进行，对GDM的持续心理体验和后果的关注有限。重要的是要通过妇女的整个怀孕，出生，产后时期和社会心理支持来了解GDM的影响，以便全面了解GDM的影响。这项研究的目的是探索心理社会影响，包括在产前和产后时期患有GDM的女性的经验。
2型糖尿病患者的饮食失调与血糖控制和胰岛素抵抗的原始文章关联
摘要：背景：关于2型糖尿病患者饮食失调的患病率和后果的数据不足。目的：评估饮食失调（ED）的存在及其与2型糖尿病患者（T2DM）的成年患者中的血糖控制和代谢参数的关联。材料和方法：在Jamia Hamdard Tertiary Care Center的HAHC医院门诊医院对145例患者进行了145例患者的横断面研究。饮食态度测试（EAT-26）用于筛选T2DM成人的ED。在EAT-26问卷上的分数小于20和30的得分被定义为参与者的控制，并记录了相关的医疗细节，例如治疗持续时间，血糖控制，并发症。结果：总共145名糖尿病患者参加了这项研究。中，有17.3％的T2DM个体在EAT-26量表上筛选为ED阳性，并且在<20组中具有显着的正相关性，并且在> 30组中具有显着的负相关性。结论：我们的研究表明，在我们的T2DM临床人群中，饮食失调并不是很常见，T2DM患者的饮食失调率的患病率低于西方国家发达国家报告的患者。
用餐时间，饮食场合数量和夜间禁食时间与Nutrinet-Sante´ cohor中的2型糖尿病的发生率
1巴塞罗那全球健康研究所（ISGLOBAL），非通讯疾病计划，西班牙巴塞罗那，2次医学与生命科学系，庞贝·福克拉大学（UPF），西班牙巴塞罗那，西班牙3号Sorbonne Paris Nord University，Inrae u1153，Inrae u125，cnal，Nutritional，Nutriental。流行病学研究团队（EREN），流行病学和统计研究中心 - 巴黎大学（CRESS），法国Bobigny，4营养和癌症研究网络（NACRE Network），Jouy-en-Josas，法国，法国，5公共卫生部，Avicenne Hospital，Avicenne Hospital，Avicenne Hospital，Avicenne Hospital，AP-HP，AP-HP，Bobigny，France，France，France，6 Health，6 Health，6 Health，6 Health。巴利阿里群岛研究所（IDISBA），大学医院儿子ESP，西班牙Palma de Mallorca，7 CiberFisiopathologoıade la la castidad y Nutricio´n（ciberobn），Instituto salud Carlos III，马德里，马德里，西班牙马德里，Mar Medical Research Institute（IMIM）8医院。巴塞罗那，西班牙和9个在流行病学与公共卫生生物医学研究联盟（Ciberesp），卫生研究院卡洛斯三世，马德里，西班牙马德里1巴塞罗那全球健康研究所（ISGLOBAL），非通讯疾病计划，西班牙巴塞罗那，2次医学与生命科学系，庞贝·福克拉大学（UPF），西班牙巴塞罗那，西班牙3号Sorbonne Paris Nord University，Inrae u1153，Inrae u125，cnal，Nutritional，Nutriental。流行病学研究团队（EREN），流行病学和统计研究中心 - 巴黎大学（CRESS），法国Bobigny，4营养和癌症研究网络（NACRE Network），Jouy-en-Josas，法国，法国，5公共卫生部，Avicenne Hospital，Avicenne Hospital，Avicenne Hospital，Avicenne Hospital，AP-HP，AP-HP，Bobigny，France，France，France，6 Health，6 Health，6 Health，6 Health。巴利阿里群岛研究所（IDISBA），大学医院儿子ESP，西班牙Palma de Mallorca，7 CiberFisiopathologoıade la la castidad y Nutricio´n（ciberobn），Instituto salud Carlos III，马德里，马德里，西班牙马德里，Mar Medical Research Institute（IMIM）8医院。巴塞罗那，西班牙和9个在流行病学与公共卫生生物医学研究联盟（Ciberesp），卫生研究院卡洛斯三世，马德里，西班牙马德里
调查机器学习和自然语言处理技术用于检测饮食失调：系统文献评论
自然语言处理（NLP）和机器学习（ML）领域的最新发展已显示自动文本处理的显着改进。同时，人类语言的表达在发现心理健康问题中起着核心作用。虽然口语在接受患者的访谈中被隐式评估，但书面语言也可以为临床专业人员提供有趣的见解。现有的工作中经常研究心理健康问题，例如抑郁或焦虑。然而，还在研究饮食失调的诊断如何从这些新技术中受益。在本文中，我们介绍了该领域最新研究的系统概述。Our investigation encompasses four key areas: (a) an analysis of the metadata from published papers, (b) an examination of the sizes and speci fi c topics of the datasets employed, (c) a review of the application of machine learning techniques in detecting eating disorders from text, and fi nally (d) an evaluation of the models used, focusing on their performance, limitations, and the potential risks associated with current methodologies.
抽象糖尿病是一个实质性的医学问题，由于久坐的生活方式，不健康的饮食习惯和OBE
抽象糖尿病是一个实质性的医学问题，由于久坐的生活方式，不健康的饮食习惯和肥胖率的增加，全球正在增加。糖尿病与肥胖之间存在紧密的关系。几项流行病学研究表明，有80％的T2D患者肥胖或超重。的确，免疫系统攻击在自身免疫性疾病T1D中产生胰岛素的胰腺β细胞。当人体几乎不会产生胰岛素很少时，就会发生高血糖水平。经常与不健康的习惯有关，包括没有足够的运动，吃得不好和超重。心脏病，糖尿病神经病，肾脏问题，酮症酸中毒和神经损伤只是两种类型更常见的许多健康后果中的某些。抗糖尿病药（如二甲双胍）可用于降低血糖水平。磺酰脲，橄榄石和噻唑烷二酮是一些最常见的口服抗糖尿病（OADS），对于新分析的2型糖尿病，葡萄糖酶抑制剂是改善高血糖控制的成本效益策略。作为针对T2D的第二道防线，您可能会开处方酶抑制剂（DPP-4I），肾脏SGLT-2I的抑制剂或胰高血糖素样肽-1受体的激动剂。对口服抗糖尿病药物方案的依从性不佳与2型糖尿病患者的治疗衰竭和其他后果有关，这是一个集体的医疗问题。他们的工作是保持公众健康。关键词：抗糖尿病药物，CDSCO，OAD，组合治疗。国际药品保证杂志。acarbose，miglitol，alogliptin，sitagliptin，sitagliptin-二甲甲曲霉，tirzepatide，liraglutide，liraglutide，nateglinide，dateglinide，depagliflinide，dopaglifliflozin，empagliflifliflifliflozin-mettrenmin，empagliflozine-metizide-metigizide-metig-metig-metig----------- CDSCO已批准了吡格列酮 - 阿洛氏素和吡格列酮 - 甲基甲曲霉，以及其他抗糖尿病药物。全世界，监管机构负责确保药品安全，有效，并且在药物生命周期的每个阶段，从开发到制造到营销的每个阶段。国际药品保证杂志（2024）； doi：10.25258/ijpqa.15.2.79如何引用本文：Tiwari A，Mishra B，MishraS。过去五年中新近CDSCO批准的抗疾病药物的科学数据的汇编：综述。2024; 15（2）：1072-1080。支持来源：零。利益冲突：无
糖尿病
是;所有糖尿病患者都需要一种特殊的饮食，其中控制碳水化合物和脂肪摄入。饮食的目标是：保持理想的体重（既不脂肪也不瘦）•保持血糖水平正常和无尿液•糖。是通过：定期吃好食物（不脱脂）•全天餐食（三种主要•餐和三个小吃）将脂肪降至最低•避免使用糖和精制碳水化合物（例如，• jam, honey, chocolates, sweets, pastries, cakes, soft drinks) eating a balance of more natural complex carbo- • hydrates (starchy foods) such as wholemeal bread, potatoes and cereals eating a good variety of fruit and vegetables • cutting out alcohol or drinking only a little • learning about glycaemic index (GI) foods and prefer- • ably eating low-GI foods.
（2024）2型糖尿病的不列颠巴基斯坦人健康饮食信念的代际差异。糖尿病医学，41（4）。 E15222 ISSN 0
摘要简介：越来越关注如何预防，减速和诱导2型糖尿病（T2DM）的缓解。最近的证据发现饮食和生活方式干预措施可能会导致T2DM的减轻，但是，对于像不列颠巴基斯坦人等不同群体的挑战，他们面临T2DM风险的四倍。有必要了解不同世代群体的食物行为，以制定适当的文化策略来支持预防疾病的预防计划。的目的：本研究探讨了对不列颠巴基斯坦人中与T2DM有关的健康饮食和食品实践的信念，以了解他们在增强健康饮食方面面临的挑战。方法：我们通过电话和面对面进行了26次半结构化定性访谈。样本包括居住在英国布拉德福德（Bradford）的T2DM英属巴基斯坦人，年龄在18至71岁之间，平均年龄为50岁（SD = 17.04）。参与者中有14名女性（54％）和12名男性（46％），访谈的英语（76％）和乌尔都语（24％）。参与者根据年龄（第一代65 +;第二代40-64;年轻一代18-39岁）分组。世代群体之间没有生物学联系，它们不是同一家庭的一部分。使用定性反思性主题分析分析数据。结果：发现结果分为三个主题：知识和糖尿病症状的意识；食物实践的社会和家庭背景，并使健康饮食有意义。家庭是了解与食品有关的健康行为的基本单位。吃传统食物被认为是健康的，对第一代人的最初成员以及在英国定居的最初成员以及父母在巴基斯坦出生的第二代人都被认为是实用的。年轻的不列颠巴基斯坦人出生于英国，报告说他们努力在家中吃其他食物并管理其T2DM。结论：这些发现提高了我们对英国巴基斯坦人与T2DM的三个生成如何协商健康饮食的理解。需要进行文化量身定制的饮食修改和干预措施，其中不同的