Articolo di ricerca

Distribuzione degli elementi di modello della medicina tradizionale cinese nei pazienti con cancro gastrico: uno studio trasversale

DOI:

10.3791/69576

5 dicembre 2025

In questo articolo

Sommario

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio stabilisce un protocollo riproducibile per identificare e quantificare gli elementi della sindrome della Medicina Tradizionale Cinese (MTC) nei pazienti con cancro gastrico, consentendo un'analisi sistematica tramite metodi di analisi a cluster, correlazione e componenti principali.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Il cancro gastrico rimane una delle principali cause di morbilità e mortalità a livello mondiale, con un carico particolarmente elevato in Cina. La Medicina Tradizionale Cinese (MTC) enfatizza la regolazione olistica e la differenziazione delle sindromi, tuttavia i metodi riproducibili per quantificare gli elementi della sindrome nel cancro gastrico sono limitati. Abbiamo condotto uno studio trasversale su 60 pazienti presso il Wuxi Second Traditional Chinese Medicine Hospital (dicembre 2022-marzo 2024) e presentiamo un protocollo standardizzato e riproducibile per la valutazione degli elementi della sindrome. Dati demografici, anamnesi medici e informazioni diagnostiche sulla MTC sono stati raccolti con un modulo standardizzato per il rapporto del caso; Gli elementi della sindrome sono stati identificati utilizzando un sistema di punteggio ponderato con valutazione a doppio esperto. L'analisi ha seguito un clustering H-K a due stadi predefinito multivariato a pipeline (gerarchico Ward.D2 per suggerire k seguito da raffinamento k-means), mappatura di reti di correlazione e analisi delle componenti principali. Gli elementi più frequenti erano stagnazione del qi, carenza di qi, stasi sanguigna, carenza di milza e umidità; Sono state osservate forti associazioni tra stagnazione del qi e stasi sanguigna e tra carenza di qi e stasi sanguigna, con ulteriori collegamenti legati a umidità/catarro. L'analisi delle componenti principali ha indicato che un piccolo insieme di elementi spiegava la maggiore quota della variazione tra i pazienti, supportando una stratificazione clinicamente significativa. Questo protocollo operativizza la valutazione degli elementi della sindrome della MTC in passaggi misurabili con moduli e codice condivisibili, migliorando l'obiettività e la riproducibilità e fornendo una base metodologica per il processo decisionale clinico e la validazione multicentrica. Il quadro è adattabile ad altre neoplasie, facilitando un'integrazione più ampia della MTC nell'oncologia basata sull'evidenza.

Introduzione

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Il cancro gastrico rimane una delle neoplasie più diffuse e letali al mondo, con la Cina che sopporta un'incidenza e un carico di mortalitàsproporzionatamente elevati 1,2. Nonostante i progressi nella resezione chirurgica, nella chemioterapia e nelle terapie mirate, la prognosi generale rimane insoddisfacente, sottolineando la necessità di approcci complementari che affrontino sia la biologia della malattia sia la qualità della vita delpaziente 3. La Medicina Tradizionale Cinese (MTC), che enfatizza la regolazione olistica e la differenziazione delle sindromi, è ampiamente utilizzata in oncologia; tuttavia, la mancanza di metodi standardizzati e replicabili per l'identificazione delle sindromi ha limitato l'integrazione sistematica della MTC nelle cure oncologiche basatesu evidenze 4,5.

Gli sviluppi recenti nella differenziazione degli elementi da sindrome forniscono un quadro strutturato per quantificare i principali fattori patologici alla base delle sindromi TCM, consentendo una classificazione più precisa dei pazienti e interventipersonalizzati 6. Applicare questo quadro quantitativo al cancro gastrico offre un modo per collegare la teoria tradizionale con l'analisi moderna, anche se i flussi di lavoro riproducibili e protocollizzati rimangonoscarsi 7. Per quanto ne sappiamo, questo è il primo protocollo per operazionalizzare la valutazione degli elementi della sindrome nel cancro gastrico con forme esplicite, valutazione con doppi esperti e una pipeline multivariata predefinita (clustering H-K a due stadi, rete di correlazione e PCA), confezionata per replicazione e adozione multicentrica. Traducendo la differenziazione delle sindromi in variabili misurabili e prespecificando parametri analitici, il presente studio fornisce una base replicabile per la pratica clinica e la ricerca multicentrica, chiarisce la distribuzione degli elementi chiave nelle popolazioni di cancro gastrico e offre un percorso concreto verso strategie oncologiche basate sulla MTC più precise.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Etica e Supervisione

Questo studio è stato approvato dal Comitato Etico del Secondo Ospedale di Medicina Tradizionale Cinese di Wuxi (20220904). Tutti i partecipanti hanno fornito un consenso informato scritto in conformità con la Dichiarazione di Helsinki; le procedure erano coerenti con i principi ICH-GCP. Qualsiasi media identificabile usato per la manifestazione è stato acconsentito separatamente. Per ridurre il bias di valutazione, i medici che valutavano gli elementi della sindrome della MTC sono stati accecati allo stadio e allo stato del trattamento del Comitato Congiunto Americano sul Cancro (AJCC) durante la valutazione e la valutazione; L'accecamento è stato mantenuto da un data steward che ha rimosso quei campi dai fogli rivolti al valutatore.

Reclutamento pazienti e fonti dei casi

Pazienti consecutivi con cancro gastrico sono stati arruolati tra il 1° dicembre 2022 e il 31 marzo 2024, provenienti dai reparti ambulatoriali e ricoverati del Wuxi Second TCM Hospital. Lo screening è stato registrato prospetticamente (ordine avvicinato, decisione di ammissibilità, motivo dell'esclusione, esito del consenso). Una checklist per lo screening de-identificata e il modulo di rapporto caso (CRF) vuoto sono forniti come tabella nel repository pubblico sotto Data Availability. Le demografia di base e i riassunti di stadio per la coorte iscritta sono presentati nella Tabella 1 per contestualizzare le analisi successive.

Criteri diagnostici e di stadiazione

La diagnosi seguiva le norme per la diagnosi e il trattamento dei tumori maligni comuni emesse dal Dipartimento di Amministrazione Medica del Ministero della Salute della RPC, con la conferma patologica richiesta in ogni caso. Lo stadio tumorale è stato assegnato secondo il Manuale di Stadi del Cancro AJCC, 8ª edizione, e verificato rispetto a documenti di patologia e imaging primadell'iscrizione 8.

Criteri di idoneità e regole di ritiro

Gli adulti (≥18 anni) con cancro gastrico patologicamente confermato e punteggio di prestazione Karnofsky (KPS) ≥ 60 anni erano idonei, a condizione di poter completare la valutazione standardizzata della MTC. Le esclusioni includevano gravidanza, comorbidità gravi e instabili che compromettevano il consenso/la sicurezza, o dati di base base incompleti. I pazienti che ricevevano o avevano ricevuto chemioterapia, radioterapia o immunoterapia mirata/immunoterapia erano idonei; Lo stato di trattamento è stato registrato (Mai/Continuo/Passato) e utilizzato nelle analisi stratificate e di sensibilità. I partecipanti potevano essere ritirati se i dati non erano sufficienti per la differenziazione della sindrome, se si verificava un rapido deterioramento clinico, oppure su richiesta personale, senza impatto sulle cure successive.

Raccolta e gestione dei dati

I ricercatori formati hanno completato un CRF standardizzato intitolato Collection Form of Syndrome Element Information for Gastric Patients with Gastric Cancer. I dati venivano inseriti due volte utilizzando software di fogli di calcolo (versione ≥15.30), controllati incrociati indipendentemente e riconciliati prima del blocco del database. Un dizionario dati, un foglio di codifica e un registro di audit venivano mantenuti dalla prima voce all'analisi. I dataset analitici sono stati de-identificati e memorizzati con il controllo degli accessi basato sul ruolo; Una copia congelata con timestamp è stata archiviata per supportare replicazione e audit.

Valutazione standardizzata della MTC

La valutazione clinica ha seguito i quattro esami classici - ispezione, ascolto/olfatto, indagine, palpazione - in una sequenza fissa sotto illuminazione costante (~5.000-6.500 K; CRI ≥90). I pazienti erano seduti rivolti verso la fonte di luce; le caratteristiche della lingua e dell'impulso venivano registrate usando descrittori predefiniti. I valutatori hanno effettuato calibrazioni con casi pilota e vignette esemplari prima della valutazione formale. Tutte le osservazioni sono state registrate immediatamente sul CRF per minimizzare l'errore di richiamo. La distribuzione a livello di coorte dei modelli compositi della sindrome TCM derivati da questa valutazione è riassunta nella Tabella 2 (le note specificano se un singolo schema primario o più modelli erano consentiti).

Valutazione e valutazione degli elementi della sindrome

Gli item sono stati valutati secondo la Sindrom Element Scale (elenco completo degli item e codici nella Tabella Supplementare 1). L'affidabilità inter-valutatore (presente/assente) è stata quantificata usando κ di Cohen con IC al 95% e riassunta nella Tabella Supplementare 2. I pesi di gravità erano: lieve = 0,7, moderato = 1,0, grave = 1,5. Gli elementi ponderati venivano sommati all'interno di ciascun elemento per ottenere il punteggio degli elementi. La presenza di un elemento è stata definita alla soglia = 14; la robustezza a 12 e 16 è riportata nella Tabella Supplementare 3. Due medici oncologi della MTC hanno valutato indipendentemente ogni caso; Le discordanze venivano risolte in una riunione di consenso con una motivazione scritta. La prevalenza a livello elementale tra i pazienti è riportata nella Tabella 3, e un esempio lavorato di punteggio tra elementi è mostrato nella Figura Supplementare 1.

Analisi statistica

Software e riproducibilità

Tutte le analisi sono state effettuate in R (v4.3). Uno script eseguibile, bloccato da versione, e l'output completo sessionInfo() vengono archiviati insieme al dataset (https://doi.org/10.6084/m9.figshare.30405196.v2). Un seed casuale fisso veniva impostato prima di tutte le procedure stocastiche. Le funzioni/pacchetti principali erano: statistiche base (prcomp, hclust, kmeans), cluster (silhouette) e igraph (visualizzazione della rete)9. La distribuzione a livello di elemento è riassunta nella Tabella Supplementare 1, e il modulo di rapporto caso vuoto (CRF), il dizionario dati e le matrici di input ordinate sono disponibili nel repository pubblico citato nella sezione Data Availability.

Clustering H - K a due stadi

È stata utilizzata una procedura in due fasi per derivare gruppi clinicamente interpretabili.

Fase gerarchica: i punteggi pesati paziente per elemento sono stati standardizzati z, sono state calcolate distanze euclidee e l'agglomerazione ha utilizzato il collegamento Ward.D2. Il dendrogramma è stato ispezionato per proporre il candidato k utilizzando una considerazione congiunta del gomito nella dispersione all'interno del cluster, nella stabilità del ramo e nei modelli preliminari di silhouette10.

K-significa raffinatezza. Per ogni candidato k, k-means veniva inizializzato dalle partizioni gerarchiche e eseguito con nstart ≥ 50; l'appartenenza finale minimizzata la somma all'interno del cluster dei quadrati. La larghezza media della silhouette e i profili per cluster sono stati esportati per la tracciabilità. La mappa termica integrale che riassume i punteggi standardizzati è mostrata nella Figura 1; il corrispondente dendrogramma è mostrato nella Figura 2.

Analisi delle componenti principali e rete di correlazione

Le matrici element-score erano centrate e scalate, e PCA veniva eseguita con prcomp(center = TRUE, scale = TRUE). La dimensione del nodo riflette la prevalenza degli elementi; Le etichette venivano controllate manualmente per garantire che non si sovrappongano e non fossero leggibili. La rete di correlazione risultante è mostrata nella Figura 3. Il bigrafico PCA è mostrato nella Figura 4. Le correlazioni di Pearson tra gli elementi sono state calcolate con osservazioni complete a coppie; i bordi furono mantenuti quando |r| ≥ 0,30, con larghezza di spigoli proporzionale a |r|. Un algoritmo guidato dalla forza (Fruchterman-Reingold) è stato utilizzato per la disposizione per migliorare laleggibilità 11.

Dati mancanti e sensibilità

La completezza per variabile (conteggi, %) è riassunta nella Tabella Supplementare 4; Poiché la mancanza era bassa, si utilizzava l'analisi completa dei casi per tutti gli output primari. La robustezza è stata valutata ricalcolando la classificazione della presenza elementale sotto soglie alternative di punteggio (12 e 16) rispetto alla soglia predefinita di 14 (Tabella Supplementare 3) e—dove rilevante—all'interno degli strati di stato del trattamento (Mai/Continuo/Passato; Tabella supplementare 5). L'affidabilità inter-valutatore per la valutazione degli elementi da parte di due esperti indipendenti della TCM era elevata (accordo complessivo 95%), come dettagliato nella Tabella Supplementare 2. Un esempio pratico che illustra la puntuazione e la soglia element-to-element è fornito nella Figura Supplementare 1.

Controllo qualità, tempistica e risoluzione dei problemi

La garanzia della qualità includeva una verifica settimanale del 10% dei dati sorgente, una ricalibrazione periodica da parte degli esaminatori e controlli automatici di range/logica prima del blocco del database. I tempi tipici erano di ~10-15 minuti per lo screening/consenso, 20-30 minuti per la valutazione e valutazione standardizzata della MTC e 10-15 minuti per inserimento/verifica dei dati per caso. I passaggi critici qui includono il mantenimento di un'illuminazione stabile e una sequenza d'esame fissa; preservare l'accecamento del valutatore allo stadio e al trattamento; e documentare le ragioni per qualsiasi giudizio. Nel riassumere le distribuzioni, i denominatori venivano esplicitamente indicati come N (pazienti) o conteggi non esclusivi degli elementi, e lo stesso denominatore veniva usato in modo coerente tra testo, tabelle e didascalie di figure.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Caratteristiche dei partecipanti

Sessanta pazienti con cancro gastrico sono stati arruolati tra dicembre 2022 e marzo 2024. La distribuzione per età era: 41-50 anni, 9/60 (15,0%); 51-60 anni, 18/60 (30,0%); 61-70 anni, 15/60 (25,0%); 71-80 anni, 13/60 (21,7%); e 81-90 anni, 5/60 (8,3%). La distribuzione complessiva dei sessi era maschile 37/60 (61,7%) e femmine 23/60 (38,3%). I conteggi per sesso all'interno di ...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio ha sviluppato e applicato un flusso di lavoro standardizzato e centrato sui protocolli per identificare e quantificare gli elementi della sindrome della MTC nel cancro gastrico. Combinando un sistema di punteggio ponderato, l'arbitraggio con doppi esperti e una pipeline multivariata predefinita - clustering H-K a due stadi, analisi delle reti di correlazione e analisi delle componenti principali - il metodo ha costantemente evidenziato stagnazione del qi, carenza di qi, sta...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gli autori hanno utilizzato uno strumento di scrittura assistita dall'IA (ChatGPT, OpenAI) solo per la rifinitura del linguaggio e la formattazione dei riferimenti dopo che i contenuti scientifici erano stati redatti dagli autori. Lo strumento non ha effettuato alcun disegno di studio, raccolta dati, analisi dei dati, generazione di figure o interpretazione scientifica. Non sono stati inseriti dati identificabili o sensibili nello strumento. Tutti i risultati sono stati revisionati e revisionati in modo indipendente dagli autori, che si assumono piena responsabilità per l'integrità e l'accuratezza del manoscritto.

Ringraziamenti

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gli autori ringraziano il personale del Secondo Ospedale di Medicina Tradizionale Cinese di Wuxi per il loro supporto nel reclutamento dei pazienti e nella raccolta dei dati. Questo lavoro è stato supportato dal Progetto Annuale di Scienza e Tecnologia 2022 dell'Ufficio di Medicina Tradizionale Cinese della Provincia di Jiangsu, Wuxi City (Numero di Progetto: ZYYB23).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Modulo di Rapporto Caso (CRF)Secondo Ospedale TCM di WuxiCRF-001Modulo standardizzato per la raccolta dei dati dei pazienti
Pacchetto cluster RCRANR-cluster-008Pacchetto R per clustering e analisi delle silhouette
Luce d'esame (5.000– 6.500 K)PhilipsEX-LIGHT-003Luce utilizzata per l'esame della MTC
Pacchetto igraph RCRANR-igraph-007Pacchetto R per la visualizzazione della rete
Dispositivo di misurazione degli impulsiOmronPMD-005Dispositivo per misurare l'impulso durante la valutazione della MTC
R SoftwareIl Progetto RR-001Software open source per l'analisi statistica
Pacchetto statistico RCRANR-Stats-006Pacchetto R per analisi statistica (prcomp, hclust, kmeans)
Scala degli Elementi della SindromeSecondo Ospedale TCM di WuxiSE-Scale-002Strumento di punteggio per valutare gli elementi della sindrome
Dispositivo di imaging della linguaCanonTI-IMG-004Dispositivo utilizzato per catturare immagini con la lingua

Riferimenti

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Chao, H., Yusen, Z., Die, Y., Yifei, L., Xiaochun, Z., Yanqing, L. Effects of traditional Chinese medicine on the survival of patients with stage I gastric cancer and high-risk factors: a real-world retrospective study. J Tradit Chin Med. 43 (3), 568-573 (2023).
  2. Chen, B., et al. Effects of oxidative stress regulation in inflammation-associated gastric cancer progression treated using traditional Chinese medicines: A review. Medicine (Baltimore). 102 (46), e36157(2023).
  3. Chi, W., Jiang, Q., Jiang, J., Ma, B. Progress in traditional Chinese medicine treatment of cancer-related fatigue in gastric cancer. Minerva Surg. 79 (1), 129-131 (2024).
  4. Dai, Z., et al. Traditional Chinese medicine for gastric cancer: An evidence mapping. Phytother Res. 38 (6), 2707-2723 (2024).
  5. Dong, X., et al. PresRecST: a novel herbal prescription recommendation algorithm for real-world patients with integration of syndrome differentiation and treatment planning. J Am Med Inform Assoc. 31 (6), 1268-1279 (2024).
  6. Jia, Q., et al. Traditional Chinese medicine symptom normalization approach leveraging hierarchical semantic information and text matching with attention mechanism. J Biomed Inform. 116, 103718(2021).
  7. Ke, J., et al. Relationship between traditional Chinese medicine syndrome elements and prognosis of patients with IgA nephropathy. Evid Based Complement Alternat Med. 2022, 2270406(2022).
  8. Teichgraeber, D. C., Guirguis, M. S., Whitman, G. J. Breast cancer staging: Updates in the AJCC cancer staging manual, 8th Edition, and current challenges for radiologists, From the AJR special series on cancer staging. AJR Am J Roentgenol. 217 (2), 278-290 (2021).
  9. Blischak, J. D., Carbonetto, P., Stephens, M. Creating and sharing reproducible research code the workflowr way. F1000Res. 8, 1749(2019).
  10. Januzaj, Y., Beqiri, E., Luma, A. Determining the optimal number of clusters using silhouette score as a data mining technique. Int J Online Biomed Eng. 19 (4), (2023).
  11. Jolliffe, I. T., Cadima, J. Principal component analysis: a review and recent developments. Philos Trans A Math Phys Eng Sci. 374 (2065), 20150202(2019).
  12. Li, D., Feng, R. Modern technology-based exploration of mechanism of traditional Chinese medicine in prevention and treatment of gastric cancer. World J Gastrointest Oncol. 16 (9), 3747-3751 (2024).
  13. Liao, Y., Gui, Y., Li, Q., An, J., Wang, D. The signaling pathways and targets of natural products from traditional Chinese medicine treating gastric cancer provide new candidate therapeutic strategies. Biochim Biophys Acta Rev Cancer. 1878 (6), 188998(2023).
  14. Yang, L., et al. Progress in traditional Chinese medicine against chronic gastritis: From chronic non-atrophic gastritis to gastric precancerous lesions. Heliyon. 9 (6), e16764(2023).
  15. Yao, S., et al. Interpretation of a quantitative diagnosis model of traditional Chinese medicine syndromes based on computer adaptive testing. Evid Based Complement Alternat Med. 2022, 3203158(2022).
  16. Zhang, J., Zhang, Z. The Challenges of ethical review in clinical research of traditional Chinese medicine. Evid Based Complement Alternat Med. 2021, 6754985(2021).
  17. Liu, Y., et al. Traditional Chinese medicine in the treatment of chronic atrophic gastritis, precancerous lesions and gastric cancer. J Ethnopharmacol. 337 (Pt 1), 118812(2025).
  18. Zhang, L., et al. Systems pharmacology to reveal multi-scale mechanisms of traditional Chinese medicine for gastric cancer. Sci Rep. 11 (1), 22149(2021).
  19. Zhou, X., et al. Clinical phenotype network: the underlying mechanism for personalized diagnosis and treatment of traditional Chinese medicine. Front Med. 8 (3), 337-346 (2014).
  20. Lu, Y., et al. A comprehensive update: gastrointestinal microflora, gastric cancer and gastric premalignant condition, and intervention by traditional Chinese medicine. J Zhejiang Univ Sci B. 23 (1), 1-18 (2022).
  21. Zhu, F., Si, J. Regulative effect of traditional Chinese medicine on gene-expression related to precancerous lesion of gastric cancer. Chin J Integr Med. 11 (1), 76-80 (2005).
  22. Longci, P., Chunhui, Q., Xubo, S., Yixian, H., Xinrong, Y., Xianjun, S. Traditional Chinese medicine syndrome analysis on oxaliplatin-induced peripheral neuropathy and clinical efficacy of Bushen Yiqi formula: a prospective randomized controlled study. J Tradit Chin Med. 43 (6), 1234-1242 (2023).
  23. Zu, M., et al. Patient-derived organoid culture of gastric cancer for disease modeling and drug sensitivity testing. Biomed Pharmacother. 163, 114751(2023).
  24. Liu, Y., et al. Mechanisms of traditional Chinese medicine in the treatment and prevention of gastric cancer. Phytomedicine. 135, 156003(2024).
  25. Sun, D., et al. The effects of gastric cancer interstitial fluid on tumors based on traditional Chinese medicine 'phlegm' theory and the investigation on the mechanism through microRNA-21 regulation. J Physiol Pharmacol. 72 (3), 381-389 (2021).
  26. Qing, X., et al. Therapeutic mechanisms of integrated traditional Chinese and conventional medicine underlying its treatment of precancerous lesions of gastric cancer. J Tradit Chin Med. 42 (6), 1023-1028 (2022).
  27. Luo, H., Liao, X., Wang, Q. Application of Chinese medical syndrome scores in effectiveness evaluation: a critical appraisal of 240 randomized controlled trials. Zhongguo Zhong Xi Yi Jie He Za Zhi. 35 (10), 1261-1266 (2015).
  28. Yang, K., et al. A comprehensive update on early gastric cancer: defining terms, etiology, and alarming risk factors. Expert Rev Gastroenterol Hepatol. 15 (3), 255-273 (2021).
  29. Wang, Y., Xu, J., Zhang, M., Zhang, D., Wulamu, A. An improved multitask learning model with matching network and its application in traditional Chinese medicine syndrome recommendation. J Healthc Eng. 2022, 4072563(2022).
  30. Yang, J., et al. Traditional Chinese medicine syndromes are associated with driver gene mutations and clinical characteristics in patients with lung adenocarcinoma. Evid Based Complement Alternat Med. 2022, 9905868(2022).
  31. YanRui, W., et al. Research on the signaling pathway and the related mechanism of traditional Chinese medicine intervention in chronic gastritis of the "inflammation-cancer transformation". Front Pharmacol. 15, 1338471(2024).
  32. Xu, X., et al. Modular characteristics and the mechanism of Chinese medicine's treatment of gastric cancer: a data mining and pharmacology-based identification. Ann Transl Med. 9 (24), 1777(2021).
  33. Xu, W., Li, B., Xu, M., Yang, T., Hao, X. Traditional Chinese medicine for precancerous lesions of gastric cancer: A review. Biomed Pharmacother. 146, 2542(2022).
  34. Wang, Y., et al. Treating chronic atrophic gastritis: identifying sub-population based on real-world TCM electronic medical records. Front Pharmacol. 15, 1444733(2024).
  35. Xie, J., et al. Digital tongue image analyses for health assessment. Med Rev. 1 (2), 172-198 (2021).
  36. Wang, Z., et al. TCMEval-SDT: a benchmark dataset for syndrome differentiation thought of traditional Chinese medicine. Sci Data. 12 (1), 437(2025).
  37. Liu, J. Y., Li, X. Standardization, objectification, and essence research of traditional Chinese medicine syndrome: A 15-year bibliometric and content analysis from 2006 to 2020 in Web of Science database. Anat Rec. 306 (12), 2974-2983 (2023).
  38. Gong, L., Jiang, J., Chen, S., Qi, M. A syndrome differentiation model of TCM based on multi-label deep forest using biomedical text mining. Front Genet. 14, 1272016(2023).
  39. Li, S., et al. Tailoring traditional Chinese medicine in cancer therapy. Mol Cancer. 24 (1), 27(2025).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Differenziazione della sindromeelementi del pattern della MTCstagnazione del Qistasi del sanguedeficienza della milzaanalisi delle componenti principaliclustering gerarchico

Articoli correlati