Blog

Jul 21, 2023

Beziehungsketten von Indikatoren für körperliche Untersuchungen im Subgesundheitsbereich: ein Kreuz

Scientific Reports Band 13, Artikelnummer: 13640 (2023) Diesen Artikel zitieren 74 Zugriffe auf Metrikdetails Subgesundheit ist ein Übergangszustand zwischen Gesundheit und Krankheit und kann durch erkannt werden

Scientific Reports Band 13, Artikelnummer: 13640 (2023) Diesen Artikel zitieren

74 Zugriffe

Details zu den Metriken

Subhealth ist ein Übergangszustand zwischen Gesundheit und Krankheit und kann durch routinemäßige körperliche Untersuchungen erkannt werden. Allerdings sind die Komplexität und Vielfalt der körperlichen Untersuchungsgegenstände und die Schwierigkeit, subgesundheitliche Manifestationen zu quantifizieren, die Hauptprobleme, die einer Behandlung im Wege stehen. Ziel dieser Studie war es, die körperliche Untersuchungsleistung der subgesunden Bevölkerung systematisch zu untersuchen und die tieferen Zusammenhänge zwischen Indikatoren weiter zu erforschen. Für 878 Probanden wurden Indikatoren erhoben, darunter grundlegende Informationen, Indikatoren der westlichen Medizin, Anfragen zur traditionellen chinesischen Medizin und Merkmale der Sublingualvene (SV). Statistische Unterschiede wurden mit R-Software analysiert. Um die Verteilung von Symptomen und Symptomclustern in der Subgesundheit zu untersuchen, wurde die partielle Strukturgleichungsmodellierung der kleinsten Quadrate (PLS-SEM) auf den Index der körperlichen Untersuchung der Subgesundheit angewendet und ein Strukturmodell entwickelt, um zu überprüfen, ob die Beziehungskette zwischen den latenten Variablen korrekt war vernünftig. Abschließend wurden die Zuverlässigkeit und Gültigkeit des PLS-SE-Modells bewertet. Die häufigsten subklinischen klinischen Symptome waren Schmerzen in den Gliedmaßen (37,6 %), Müdigkeit (31,6 %), Schulter- und Nackenschmerzen (30,5 %) und trockene Augen (29,2 %). Die Rötung des SV war in der subgesunden Gruppe blasser als in der gesunden Gruppe (p < 0,001). Diese Studie validiert die Etablierung der gerichteten azyklischen Beziehungskette in der subgesunden Gruppe: den Weg von routinemäßigen Blutuntersuchungen zum Lipidstoffwechsel (t = 7,878, p < 0,001), den Weg vom Lipidstoffwechsel zur Fettleibigkeit (t = 8,410, p < 0,001). ), der Weg von Fettleibigkeit zu SV-Merkmalen (t = 2,237, p = 0,025) und der Weg von der Leberfunktion zu SV-Merkmalen (t = 2,215, p = 0,027). Die innovative Anwendung von PLS-SEM auf die Untersuchung von Subgesundheit hat die Existenz einer Beziehungskette zwischen körperlichen Untersuchungsindikatoren offenbart, die eine Grundlage für die weitere Erforschung von Subgesundheitsmechanismen und kausalen Schlussfolgerungen bilden wird. Diese Studie hat die typischen Symptome von Subhealth identifiziert und ihre frühzeitige Behandlung wird dazu beitragen, die Behandlung von Krankheiten voranzutreiben.

In den letzten Jahren hat das Konzept der Subgesundheit in vielen Ländern breite Akzeptanz gefunden, beispielsweise in China, Japan, Kanada und Australien1,2,3. Die weltweite Inzidenz von Subgesundheit wurde mit 57,2 bis 65,1 % angegeben4,5. In Anlehnung an die Gesundheitsdefinition der Weltgesundheitsorganisation wird Subgesundheit als „dritter Zustand“ mit funktionellen Veränderungen, aber ohne organische pathologische Veränderungen6 definiert. Untergesundheit ist ein Zustand, der durch einige Störungen des psychischen Verhaltens oder der körperlichen Merkmale oder einiger ärztlicher Untersuchungsindikatoren gekennzeichnet ist7. Konkret sind körperliche Beschwerden im Zusammenhang mit Subhealth vor allem durch körperliche Symptome wie Müdigkeit, Schlafstörungen oder Schmerzen gekennzeichnet. Psychische Beschwerden bei Subhealth sind vor allem durch Depression oder Unruhe, Reizbarkeit, Angst und Schüchternheit, Gedächtnisverlust, Konzentrationsschwäche und andere psychische Symptome gekennzeichnet8. Die von der China Association of Chinese Medicine herausgegebenen klinischen TCM-Leitlinien für Untergesundheit weisen darauf hin, dass die Person als in einem Zustand befunden wird, wenn der oben genannte Zustand länger als drei Monate anhält und Krankheiten, die die oben genannten Manifestationen verursachen können, durch systematische Untersuchung ausgeschlossen werden Untergesundheit9. Zusammenfassend lässt sich sagen, dass die Beurteilung von Subgesundheit als Übergangszustand zwischen Gesundheit und Krankheit hauptsächlich auf klinischen Symptomen basiert. Wenn Muster von Subgesundheitssymptomen identifiziert werden, kann dies dazu beitragen, bei schlechtem Gesundheitsverhalten einzugreifen und Krankheitsprävention umzusetzen. Was sind also die typischsten Symptome einer Untergesundheit?

Eine routinemäßige körperliche Untersuchung ist eine wirksame Möglichkeit, die objektiven Indikatoren des Untersuchten zu analysieren und die Manifestation der Symptome umfassend zu beurteilen. Gegenstand der routinemäßigen körperlichen Untersuchung sind überwiegend gesunde und kranke Menschen. Tatsächlich sind routinemäßige körperliche Untersuchungen, eine äußerst häufige Methode der Primärversorgung für Erwachsene10,11, nicht nur bei gesunden und kranken Menschen anwendbar, sondern auch ein wichtiges Mittel zur Erkennung und Vorbeugung von Untergesundheit. Aufgrund der Komplexität der Indikatoren für körperliche Untersuchungen und der Schwierigkeit, klinische Symptome zu quantifizieren, wurden jedoch nur wenige Studien durchgeführt, um die routinemäßigen körperlichen Untersuchungen der subgesunden Bevölkerung systematisch zu untersuchen und die tieferen Beziehungen zwischen Subgesundheitsindikatoren weiter zu untersuchen. Welche Zusammenhänge bestehen beispielsweise zwischen komplexen körperlichen Untersuchungsgegenständen wie Morphologie, Leberfunktion, Blutbild usw.

Die partielle Strukturgleichungsmodellierung nach der Methode der kleinsten Quadrate (PLS-SEM) bietet hierfür eine Möglichkeit: Sie kann die Existenz einer Beziehungskette zwischen den oben genannten physikalischen Untersuchungsgegenständen annehmen, ein konzeptionelles Beziehungsmodell erstellen und statistisch testen, ob das Modell robust ist . Insbesondere angesichts der Flexibilität der PLS-SEM-Technik hinsichtlich der Datenzuordnung und ihrer Eignung für kleine Stichprobengrößen12 wurde sie in den letzten Jahren in vielen Studien in den Bereichen klinische Medizin und öffentliche Gesundheit validiert und eingesetzt13,14,15,16, 17. Wenn der PLS-SEM-Ansatz verwendet werden kann, um Verbindungen zwischen komplexen und unterschiedlichen Indikatoren für körperliche Untersuchungen zu finden, wird er dazu beitragen, nach subgesundheitsspezifischen medizinischen Untersuchungsprogrammen zu suchen und die Gesundheitskosten für subgesunde Bevölkerungsgruppen zu senken. Zuvor haben wir die oralen Merkmale der gesunden Bevölkerung untersucht und altersbedingte Veränderungen in der Farbe der sublingualen Venen (SV) festgestellt18,19. Daher wurden die SV-Merkmale auch als einer der körperlichen Untersuchungsgegenstände einbezogen. Konzepte wie „anthropometrische Indikatoren“, „Labortests“ und „SV-Merkmale“ können nicht direkt gemessen werden und werden als „latente Variablen“ bezeichnet. Sie können jedoch durch eine Reihe spezifischer Indikatoren widergespiegelt werden. Beispielsweise spiegeln Hämoglobin (HGB) und rote Blutkörperchen (RBC) den Status der Blutoperation wider, Gesamtcholesterin (TC) und Triglyceride (TG) spiegeln den Grad des Lipidstoffwechsels wider, Alanintransaminase (ALT) und Aspartattransaminase (AST) spiegeln den Grad des Lipidstoffwechsels wider Leberfunktion, Body-Mass-Index (BMI) und Taille-Hüft-Verhältnis (WHR) können direkt gemessen werden und zeigen Fettleibigkeit an. Diese spezifischen quantitativen Indikatoren werden „Beobachtete Variablen“ genannt. Kurz gesagt, PLS-SEM demonstriert die Struktur einer relationalen Kette, in der latente Variablen separat durch einen Satz beobachteter Variablen dargestellt werden können. Daher zielt diese Studie darauf ab, TCM-Diagnoseinformationen zu kombinieren, um die typischen Manifestationen von Subhealth zu erforschen und, was noch wichtiger ist, die tiefen Beziehungen zwischen den komplexen Indikatoren der körperlichen Untersuchung von Subhealth-Populationen durch den PLS-SEM-Ansatz zu entdecken.

Diese Studie wurde als Querschnittsstudie mit 1319 Probanden konzipiert, die sich von Juni 2020 bis Juli 2021 einer routinemäßigen medizinischen Untersuchung im medizinischen Untersuchungszentrum des Shuguang-Krankenhauses der Shanghai-Universität für Traditionelle Chinesische Medizin unterzogen. Wir haben ihre grundlegenden Informationen gesammelt und das Labor bewertet Indizes und mündlicher SV. Eine Reihe geschulter Kliniker wiesen die Untersucher vor Ort an, den Fragebogen zur Beurteilung des Gesundheitszustands (H20) auszufüllen, und sie befragten und untersuchten die körperlichen Untersuchten klinisch, indem sie das von „Chinese Medicine Four Diagnosis Information Record Form“ (Copyright-Nr. 2016Z11L025702) entworfene Formular ausfüllten Die Subgesundheitsforschungsgruppe des „863-Plans“ untersuchte über drei Monate hinweg den Gesundheitszustand der Prüfer. „Informationsaufzeichnungsformular für vier Diagnosen der chinesischen Medizin“ ist die Sammlung und Zusammenstellung klinischer Informationen unter Verwendung der Prinzipien der TCM-Diagnose, wobei der Arzt die Häufigkeit und Schwere der Symptome des Patienten von niedrig bis hoch auf einer Skala von 0, 1 und 2 aufzeichnet ( Ergänzungstabelle S1). Nach striktem Ausschluss wurden schließlich 627 subgesunde Personen und 70 gesunde Personen eingeschlossen (Abb. 1).

Flussdiagramm, das die Quelle der Querschnittsdaten und den Einschlussprozess veranschaulicht; Shanghai, China, 2020–2021.

Die Subgesundheitskriterien waren wie folgt: ein H20-Score von 60–79 ohne signifikante positive westliche Medizinindikatoren oder ein H20-Score ≥ 80 mit wenigen positiven westlichen Medizinindikatoren. Die Gesundheitskriterien waren wie folgt: H20-Score ≥ 80 und/oder keine signifikant positiven Indikatoren der westlichen Medizin.

Angaben zur Vorgeschichte, zum Raucherstatus und zum Bildungsniveau sind der Bestätigung der ärztlichen Untersuchung zu entnehmen. Qualifizierte Mitarbeiter im medizinischen Untersuchungszentrum des Shuguang-Krankenhauses folgten einem Standardverfahren zur Messung von Größe, Gewicht, Taillenumfang und Hüftumfang, um BMI und WHR zu berechnen. Zu den klinischen Western-Indizes gehörten hauptsächlich Alanintransaminase (ALT), AST, alkalische Phosphatase (AKP), Gamma-Glutamyltransferase (GGT), TC, TG, Low-Density-Lipoprotein (LDL), RBC, HGB und die mittlere korpuskuläre Hämoglobinkonzentration (MCHC). ) und das spezifische Volumen der roten Blutkörperchen (HCT). Die oben genannten Indikatoren wurden von der Abteilung für Labormedizin des Shuguang-Krankenhauses mit einem automatisierten biochemischen Analysegerät (Beckman Coulter AU5800, Kalifornien, USA) getestet.

Die traditionelle chinesische Medizin (TCM) wird von der TCM als „das Wesentliche der Diagnose und die erste Aufgabe der klinischen Symptome“ angesehen, was sich auf die umfassende Sammlung von Krankheitsdaten bezieht, die durch die Befragung professioneller Kliniker gewonnen werden, aber nicht durch andere Diagnosemethoden gewonnen werden können20 . Symptomindizes der TCM sind das Vorhandensein und die Häufigkeit von Symptomen im Zusammenhang mit Psyche, Kälte und Hitze, Schweiß, Kopfbeschwerden, Brust- und Bauchbeschwerden, Ernährung, Geschmack, Husten, Stuhlgang, Wasserlassen, Schmerzen, Menstruation und Leukorrhoe. Sie wurden alle aus der Anfrage des Klinikers abgeleitet und die Ergebnisse wurden in der TCM-Tabelle zur klinischen Diagnoseaufzeichnung (Ergänzungstabelle S1) aufgezeichnet.

Forscher im Labor für intelligente Verarbeitung von TCM-Diagnoseinformationen der Shanghai University of Traditional Chinese Medicine verwendeten das selbst entwickelte Tongue and Face Diagnosis Instrument-1 (TFDA-1), um Zungenbilder zu sammeln (Abb. 2). Es basiert auf dem National Key Research and Development Program for Modernization of Chinese Medicine Research Special Project (Nr. 2017YFC1703301) und wurde für die klinische Zungenbilderfassung zur Beurteilung des Organismusstatus21,22,23 verwendet. Seine D50-Lichtquelle bietet hohe Stabilität und Farbwiedergabe. Es ist erwähnenswert, dass TFDA-1 speziell mit einer Unterkieferauflage ausgestattet war, um den Unterkiefer zu halten, um den standardisierten Abstand zwischen Zunge und Linse sicherzustellen und so eine Verzerrung des SV-Bildes in frühen Forschungsarbeiten zu vermeiden24. Der Erfassungszeitraum erstreckte sich von 8:00 Uhr bis 11:00 Uhr. Vor der Erfassung wurde das Instrument durch Abwischen mit einem alkoholischen Wattebausch sterilisiert, und es wurde bestätigt, dass die Teilnehmer einen leeren Magen, einen sauberen Mund und keine Fremdkörper oder abnormale Verfärbungen hatten auf der Zunge. Die Teilnehmer nahmen eine sitzende Position ein, legten ihren Unterkiefer gegen die Unterkieferauflage, schlossen leicht ihre Augen, öffneten ihren Mund und hielten ihre Zunge still, während sie die Zungenspitze leicht gegen die Grenze zwischen Oberkiefer und Schneidezähnen drückten, um sie vollständig freizulegen der sublinguale Bereich.

Abbildungen des Zungen- und Gesichtsdiagnoseinstruments TFDA-1; Shanghai, China, 2020–2021. (a) Vorderansicht, (b) Profilansicht.

Unter Verwendung des Tongue Diagnosis Analysis System (TDAS) (V3.0) (Software-Copyright-Registrierungsnummer 2018SR033451, Shanghai University of TCM, Shanghai, China), entwickelt vom Laboratory of Intelligent Processing of TCM Diagnostic Information, Shanghai University of Traditional Chinese Medicine, Es wurden RGB-Farbwerte der fotografierten Zungenbildpixel berechnet25. Bei der Verwendung des Farbraums wurden die Intuitivität der Farbdarstellung und die Durchführbarkeit der Klassifizierung berücksichtigt. Das LAB-Farbmodell ist das am besten geeignete Farbmodell für die Modernisierung von Zungenbildern, da es alle Farben darstellen kann, die vom menschlichen Auge wahrgenommen werden können. Daher wurde der RGB-Farbraum in den LAB-Farbraum umgewandelt26,27. Die charakteristischen Zungenfarbindizes SV-L, SV-a und SV-b wurden abgeleitet. SV-L stellt die Helligkeit dar, SV-a stellt die Rot-Grün-Achse dar und SV-b stellt die Gelb-Blau-Achse dar28,29. Insbesondere bedeutet ein größerer Wert von SV-L mehr Helligkeit; SV-a stellt den Bereich von Rot bis Grün dar, wobei ein höherer SV-a-Wert eine rötlichere Farbe und ein niedrigerer Wert eine grünere Farbe anzeigt; SV-b stellt den Bereich von Gelb bis Blau dar, und ähnlich zeigt ein niedrigerer SV-b-Wert eine blauere Farbe und ein höherer Wert mehr Gelb an (Abb. 3).

SV-Lab-Farbraum; Shanghai, China, 2020–2021.

Die spezifischen Kriterien zur Einstufung der Morphologie des SV sind in Tabelle 1 aufgeführt. Die Tortuosität des SV wurde unabhängig und doppelblind von drei Experten mit dem Titel eines behandelnden Arztes und mehr als 5 Jahren klinischer Tätigkeit bestimmt. Zwei Experten (Cheng und Li) stellten die Diagnose einer Tortuosität, und nur bei Uneinigkeit wurde der dritte Goldstandard-Experte (Tu), der erfahrenste Kliniker, konsultiert, um zu einer endgültigen Schlussfolgerung zu gelangen. Danach wurden die digitalen Bilder von LabelMe (V3.16.1, MIT, Massachusetts, USA) für die SV-Morphologie vorverarbeitet und die SV-Kanten in kontinuierliche Liniensegmente unterteilt. SV-Bilder wurden zur automatischen Bestimmung in Digimizer (V4.2.6.0, MedCalc Software Ltd, Ostende, Belgien) importiert. Der Maßstab der digitalen Bildpixel zur tatsächlichen Länge wurde experimentell zu 1/177,171 berechnet, woraus die tatsächlichen Werte (Einheit: mm) der Stammlänge und -breite von SV umgerechnet wurden.

Das Gesamtflussdiagramm der SV-Eigenschaften ist in Abb. 4 dargestellt.

Flussdiagramm der Analyse der SV-Kernmerkmale; Shanghai, China, 2020–2021.

Die statistische Analyse wurde mit der R-Software 4.2.1 (R, Auckland, Neuseeland) durchgeführt. Für die geringe Anzahl fehlender Werte westlicher Medizinindikatoren wurde eine Einzelimputation verwendet. Zunächst analysierten wir das Verteilungsmuster der Daten. Wenn es der Normalverteilung entsprach, könnte der Mittelwert zur Imputation verwendet werden. Entsprach sie nicht der Normalverteilung, wurde der Median zur Imputation herangezogen. Die fehlenden Werte wurden schließlich ergänzt. Für die Messdaten, die einer Normalverteilung entsprachen und als Mittelwert ± SD ausgedrückt wurden, verwendeten wir zwei t-Tests bei unabhängigen Stichproben, um zwei Gruppen zu vergleichen. Die Zähldaten, die als Häufigkeiten und Zusammensetzungsverhältnisse ausgedrückt wurden, wurden mit dem Chi-Quadrat-Test und dem Mann-Whitney-U-Test analysiert und getestet. Der Hypothesentest wurde unter Verwendung eines zweiseitigen α von 0,05 als Signifikanzkriterium durchgeführt.

In dieser Studie wurde der PLS-SEM-Ansatz angewendet, um das konzeptionelle Modell zu entwickeln und die vorgeschlagenen Hypothesen mithilfe von SmartPLS 4.0.8.3 zu untersuchen. Es wurde in zwei Phasen durchgeführt. Im ersten Schritt wurden die Konstruktzuverlässigkeit und -validität des Modells bewertet30. Genauer gesagt wurden Cronbachs Alpha, die extrahierte durchschnittliche Varianz (AVE) und die zusammengesetzte Zuverlässigkeit (CR) verwendet, um die Zuverlässigkeit, die konvergente Gültigkeit und die zusammengesetzte Zuverlässigkeit des reflektiven Messmodells zu bewerten. Außengewichte und Varianzinflationsfaktoren (VIFs) wurden verwendet, um die Gültigkeit und Indikatoreignung des formativen Messmodells zu bewerten31. In der zweiten Stufe wurden statistische Signifikanztests und Pfadkoeffizientenberechnungen basierend auf Bootstrapping mit 5000 Resamples durchgeführt. Die Faktorladung wurde verwendet, um die konvergente Gültigkeit des Modells zu bezeichnen, während das Heterotrait-Monotrait-Verhältnis (HTMT) und die Korrelation zur Bezeichnung der Diskriminanzvalidität verwendet wurden.

Die Studie wurde gemäß den Richtlinien der Deklaration von Helsinki durchgeführt und vom institutionellen Prüfungsausschuss des Shuguang-Krankenhauses genehmigt, das der Shanghai University of Traditional Chinese Medicine angeschlossen ist (2018-626-55-01). Alle Teilnehmer unterzeichneten eine schriftliche Einverständniserklärung, die von der Ethikkommission genehmigt wurde.

Durch die Untersuchung der demografischen Daten und Laborindikatoren der körperlichen Untersuchten stellten wir fest, dass die subgesunden Personen in dieser Querschnittsstudie jünger waren, mit einem Durchschnittsalter von 33,41 ± 8,85 Jahren. Auch der Anteil des Rauchens unter den gesundheitsgestörten körperlichen Untersuchten war höher und betrug 20,6 %. Das Bildungsniveau der gesamten medizinischen Untersuchungspopulation lag überwiegend auf dem Niveau eines Universitätsabschlusses. Aus dem Labor war ersichtlich, dass der Durchschnittswert jedes Indexes im Normalbereich lag. Die oben genannten Informationen sind in Tabelle 2 aufgeführt.

Ein Vergleich der Farbe und morphologischen Eigenschaften von SV zwischen subgesunden und gesunden Personen ist in Tabelle 3 dargestellt. Es gab statistisch signifikante Unterschiede in SV-a, SV-b, Tortuosität und Rumpflänge zwischen den beiden gesunden Zuständen (P < 0,05). . Im Gegensatz dazu war die Rötung des SV in der subgesunden Gruppe blasser. Im Hinblick auf die Tortuosität zeigten 42,9 % der subgesunden Personen T2, was auf das Vorliegen einer gewissen sublingualen Aderhautvarikose hindeutet. 68 Prozent der subgesunden Personen hatten L1 auf der Rumpflänge, was bedeutet, dass die Länge kürzer als 3/5 der Linie zwischen dem Sublingualkarunkel und der Zungenspitze ist. Bezüglich der Breite der SV gab es eine beispiellose Übereinstimmung zwischen subgesunden und gesunden Personen mit einer größeren Konzentration auf W3 und einer maximalen Breite der Vene von mehr als 4 mm.

Klinische Diagnoseaufzeichnungen der TCM sind das Ergebnis klinisch-ärztlicher Befragungen und haben eine wichtige Orientierungsfunktion für die Bewertung der Subgesundheit. Daher wurden in dieser Studie alle Symptome der klinischen TCM-Diagnoseaufzeichnungen ausgewertet und die typischen Manifestationen von 627 Subgesundheitsprüfern nach ihrem Grad und ihrer Häufigkeit gezählt. Die 50 häufigsten hochfrequenten Symptome sind in Abb. 5 dargestellt.

Verteilungskarte hochfrequenter Symptome bei subgesunden Personen (n = 627); Shanghai, China, 2020–2021.

Die häufigsten Anzeichen einer Untergesundheit waren Schmerzen in den Gliedmaßen (37,6 %), Müdigkeit (31,6 %), Schulter- und Nackenschmerzen (30,5 %) und trockene Augen (29,2 %). Dies könnte damit zusammenhängen, dass die subgesunden Menschen jünger waren und über ein höheres Bildungsniveau verfügten; Daher waren sie möglicherweise in Innenräumen mit geistiger Arbeit beschäftigt und ihre Arbeitsgewohnheiten führten daher zu den oben genannten unerwünschten Symptomen. Tatsächlich ist die Wahrscheinlichkeit, dass Menschen mit einem höheren Bildungsniveau nicht gesund sind, viel höher als bei Menschen mit einem niedrigeren Bildungsniveau, wie in einem anderen Querschnittsbericht bestätigt wurde32.

Gemäß den „Zehn Fragen“ des TCM33 (die mehr als 600 Jahre alt sind und ihren Ursprung in der Befragung der Symptome des Patienten durch den berühmten antiken Arzt Zhang Jingyue haben und den Zustand eines Patienten in 10 stark verallgemeinerte Fragen kategorisieren, wie z. B. Angst vor Kälte oder Hitze, Schwitzen oder nicht), wurden diese hochfrequenten Symptome in 11 Symptomgruppen eingeteilt: Psyche, Kälte und Hitze, Schwitzen, Kopf, Brust und Bauch, Ernährung, Geschmack, Schleimhusten, Stuhlgang und Urinieren, Schmerzen und Menstruation . Indem wir die Grundlagen der vorherigen Studie kombinierten, beobachteten wir weiter den Zusammenhang zwischen subgesundheitlichen Symptomclustern und der SV-Morphologie und stellten fest, dass Schmerzen, Kopfleistung und Psyche bei subgesunden Personen am häufigsten auftraten, wenn festgestellt wurde, dass die Breite des SV auf W3 verdickt war. Gleichzeitig treten diese Symptomcluster auch häufig bei subgesunden Menschen mit einer L1-Rumpflänge von SV auf (Abb. 6).

Vertikales Gruppierungshistogramm von subgesunden Symptomclustern und Morphologie von SV; Shanghai, China, 2020–2021. Von links nach rechts ist die X-Achse die Windung (T1, T2, T3) des SV, die Rumpflänge (L1, L2, L3) des SV und die Breite (W1, W2, W3) des SV. Die Y-Achse ist die kumulative Häufigkeit der Symptome in 11 Symptomclustern.

PLS-SEM demonstriert die Struktur einer relationalen Kette, in der latente Variablen separat durch einen Satz beobachteter Variablen dargestellt werden können. PLS-SEM umfasst ein Strukturmodell (inneres Modell), das die Beziehung zwischen latenten Variablen beschreibt, und ein Messmodell (äußeres Modell), das die Beziehungen zwischen den latenten Variablen und ihren Messindikatoren beschreibt. In dieser Studie bestand das Messmodell aus dem formativen Messmodell (für Fettleibigkeit) und dem reflektiven Messmodell (für routinemäßige Blutuntersuchungen, Lipidstoffwechsel, Leberfunktion und Merkmale von SV). Wir bewerteten das innere Modell durch Schätzung der Pfadkoeffizienten zwischen latenten Variablen, Diskriminanzvalidität, Signifikanzwerten usw. und bewerteten das äußere Modell durch Bestätigung der Zuverlässigkeit und Gültigkeit der Messindikatoren, um letztendlich die Angemessenheit der angenommenen Beziehung zu überprüfen das Modell22.

Rechtecke kennzeichnen beobachtete Variablen und Ovale kennzeichnen latente Variablen. Die Pfeile, die die Ovale und die Zahlen verbinden, geben die Pfade und Pfadkoeffizienten zwischen den latenten Variablen an, während die dicken schwarzen dreieckigen Pfeile die Beziehungskette verbinden (unterstützt); andernfalls besteht keine Beziehung (Abgelehnt).

Durch die Pfadbeziehung zwischen latenten Variablen konnten wir sehen, dass der Pfad zwischen routinemäßigen Blutuntersuchungen und dem Lipidstoffwechsel, der Pfad zwischen Lipidstoffwechsel und Fettleibigkeit, der Pfad zwischen Fettleibigkeit und den Merkmalen von SV und der Pfad zwischen Leberfunktion und den Merkmalen von SV ermittelt wurden in Abb. 7a und Tabelle 4. In Bezug auf die körperlichen Untersuchungsindizes gesunder Menschen wurde der Zusammenhang zwischen Fettstoffwechsel und Fettleibigkeit auch in Abb. 7b ermittelt (Koeffizient = 0,470, t = 4,175, p < 0,001). Der Fettstoffwechsel hat einen direkten Einfluss auf die Körperform sowohl bei gesunden als auch bei nicht gesunden Menschen.

PLS-SEM zur Abschätzung der Beziehung zwischen körperlichen Untersuchungsindikatoren; Shanghai, China, 2020–2021. Rechtecke kennzeichnen beobachtete Variablen und Ovale kennzeichnen latente Variablen. Die Pfeile, die die Ovale und die Zahlen verbinden, geben die Pfade und Pfadkoeffizienten zwischen den latenten Variablen an, wobei die dicken schwarzen dreieckigen Pfeile die Beziehungskette verbinden (unterstützt); andernfalls besteht keine Beziehung (Abgelehnt). (a) PLS-SEM der Untergesundheit mit Pfadkoeffizienten, (b) PLS-SEM der Gesundheit mit Pfadkoeffizienten.

In Tabelle 5 wird die Leistung des äußeren PLS-SEM-Modells analysiert, um die Angemessenheit der Beziehungskette der Indikatoren für die körperliche Untersuchung von Untergesundheit zu überprüfen. Cronbachs Alpha ≥ 0,70 und äußere Gewichte > 0,20 weisen auf eine gute Zuverlässigkeit und Gültigkeit des äußeren Modells hin. AVE ≥ 0,50 und CR ≥ 0,70 zeigten eine gute konvergente Validität und kombinierte Zuverlässigkeit des reflektiven Messmodells an, während äußere Gewichte > 0,20 und VIF < 5 eine akzeptable Validität und Indikatoreignung des formativen Messmodells anzeigten.

Tabelle 6 bewertet das innere PLS-SEM-Modell und zeigt die Korrelationen zwischen latenten Variablen und dem Heterotrait-Monotrait-Verhältnis. Im inneren Modell deuten HTMT < 0,85 und Korrelationswert < 0,70 beide darauf hin, dass die Konstrukte eine gewisse Diskriminanzvalidität aufweisen.

In dieser Studie wurde das PLS-SEM erstmals auf Subhealth angewendet. Die Beziehung zwischen Subgesundheitsuntersuchungsindizes wurde in Form der gerichteten azyklischen Beziehungskette34 untersucht. Diese Studie validiert die Etablierung der Beziehungskette: den Weg von routinemäßigen Blutuntersuchungen zum Lipidstoffwechsel, den Weg vom Lipidstoffwechsel zur Fettleibigkeit, den Weg von der Fettleibigkeit zu den Merkmalen von SV und den Weg von der Leberfunktion zu den Merkmalen von SV. Ähnliche Methoden wurden verwendet, um die Beziehung zwischen Variablen zu untersuchen. Ramirez et al.35 untersuchten den Zusammenhang zwischen atopischer Dermatitis und Schlafdauer und -qualität bei Kindern mithilfe eines gerichteten azyklischen Diagramms. Woojin Kim et al.36 verwendeten einen PLS-SEM-Ansatz, um zu zeigen, dass ein durch Fettleibigkeit verursachter beeinträchtigter Glukosestoffwechsel den Gedächtnisverlust sowie die regionale Atrophie der grauen Substanz bei älteren Personen ohne neurologische Erkrankung beeinflusst. Dies liegt genau daran, dass die klinischen Manifestationen von Subhealth komplex und schwer zu quantifizieren sind. Es ist notwendig, das Strukturbeziehungsmodell geschickt zu nutzen, um objektive Forschung anhand von Indikatoren für körperliche Untersuchungen durchzuführen, was die subjektiven Mängel früherer Subgesundheitsforschung weitgehend ausgleicht. Es trägt auch zur weltweiten Verbreitung des Konzepts der Subgesundheit bei.

Die bisherigen Befragungen von subgesunden Menschen basieren auf großen Stichproben, gehen jedoch selten über eine einfache Korrelationsanalyse von Indikatoren hinaus und untersuchen den möglichen Zusammenhang zwischen den wichtigsten körperlichen Untersuchungsgegenständen aus makroökonomischer Sicht. Die aus dieser Studie abgeleitete Beziehungskette der Subgesundheitsindikatoren für körperliche Untersuchungen steht nicht nur im Einklang mit der klinischen Praxis, sondern bietet auch eine Grundlage für eine tiefergehende Untersuchung von Subgesundheitsmechanismen und kausalen Schlussfolgerungen.

Die Beziehungskette zwischen Fettstoffwechsel und Fettleibigkeit ist sowohl bei subgesunden als auch bei gesunden Menschen etabliert. Ein abnormaler Lipidstoffwechsel kann zu Veränderungen der physikalischen Eigenschaften führen, was in der klinischen Praxis und in der epidemiologischen Forschung weithin anerkannt ist. Es gab auch eine signifikante Korrelation zwischen den beiden in einer anderen großen Bevölkerungsumfrage11.

Um den Weg von Fettleibigkeit zu den Merkmalen des SV zu erklären, haben frühere Studien herausgefunden, dass SV die Begleitvenen des Nervus hypoglossus und des Nervus lingualis in der Lamina propria und der Unterschicht der ventralen Schleimhaut der Zunge sind. Die Schleimhaut auf der ventralen Oberfläche der Zunge ist glatt und dünn, und das Schleimhautepithel ist ein geschichtetes flaches Epithel ohne Zungenpapillen oder Keratose37,38,39,40. Im Vergleich zur Zungenoberfläche, die mit keratinisiertem Epithel, Schleimhautepithel, sekundären Papillen und Exsudat bedeckt ist, kann SV den Zustand des Körpers empfindlicher widerspiegeln. Es gibt offensichtliche physiologische Unterschiede zwischen Personen unterschiedlichen Alters und Geschlechts hinsichtlich der SV-Merkmale18. Daher spiegelt sich Fettleibigkeit als eine der Manifestationen physiologischer Unterschiede zwischen verschiedenen Individuen auch in den Merkmalen von SV wider.

Um den Weg von der Leberfunktion zu den Merkmalen der SV zu erklären, taucht in der TCM seit langem das Konzept der „Leberzunge“ auf, das als spezifische Manifestation der Leberzirrhose angesehen wird41. In einer Studie wurde empfohlen, die Messung der Zungendicke zur Diagnose von Sarkopenie bei Leberzirrhose in Betracht zu ziehen42. Eine andere Studie ergab, dass bei Patienten mit Leberzirrhose die Wahrscheinlichkeit größer ist, dass sie sublinguale Varizen43 entwickeln, insbesondere Schwellungen und extreme Fülle des SV. Diese Studie zeigt die Beziehung zwischen ihnen weiter auf und könnte eine praktische und wirksame Methode sein, um die Veränderungen der SV im Prozess der Beurteilung der Entwicklung und Prognose einer Lebererkrankung zu untersuchen.

Zusätzlich zu der oben genannten Beziehungskette haben wir auch die Beziehungskette zwischen routinemäßigen Blutuntersuchungen und dem Fettstoffwechsel gefunden. Wir können ihre Rolle in Subgesundheitsmechanismen in Zukunft weiter untersuchen.

In der Vergangenheit wurden nur wenige Studien zur Subgesundheit mit TCM-Diagnosedaten kombiniert. In dieser Studie wurden die klinischen Daten der TCM und der westlichen Medizin zusammengeführt und die Untersuchung der Merkmale der TCM und der Zungendiagnose auf kreative Weise hinzugefügt. Die Zunge gilt traditionell als Spiegel der inneren Organe und spiegelt den physiologischen und klinisch-pathologischen Zustand des Körpers wider44. Die Einbeziehung von TCM-Zungenmerkmalen, einschließlich des SV, in die körperliche Untersuchung kann dabei helfen, den aktuellen Zustand der Subgesundheit umfassend zu beurteilen und die Transformation der Subgesundheit weiter vorherzusagen. Es wurde festgestellt, dass die typischen Symptome von subgesunden Menschen Gliederschmerzen, Müdigkeit, Schulter- und Nackenschmerzen sowie trockene Augen waren. Die Gruppe der subgesunden Symptome stand in engem Zusammenhang mit dem SV-Status. Die typischen Symptome von Subhealth in dieser Studie stimmen im Wesentlichen mit einer früheren Umfrage unter der erschöpften Subhealth-Population überein22. Das Verständnis der typischen Erscheinungsformen von Subhealth kann das Verständnis der Menschen für die körperliche Funktion verbessern45 und weitere gezielte Untersuchungen und Lebensstilinterventionen für Risikogruppen fördern5. Es ist die Verkörperung des globalen Konzepts der öffentlichen Gesundheit, die Behandlung von Krankheiten voranzutreiben und der Prävention Priorität einzuräumen.

In dieser Studie gab es einige Einschränkungen. Erstens handelte es sich bei dieser Studie aufgrund der Zugänglichkeit der Daten um eine Single-Center-Studie, und die in diesen Querschnitt einbezogene Population körperlicher Untersuchungen war im Allgemeinen jünger, was zu einigen Einschränkungen hinsichtlich der Repräsentativität und Durchführbarkeit der Forschungsergebnisse führen kann. Zweitens analysierte diese Querschnittsstudie die TCM-Diagnosedaten und westliche körperliche Untersuchungsindikatoren von subgesunden Menschen. Es gab jedoch einen Mangel an Essgewohnheiten und Bewegungsgewohnheiten, die eng mit der Subgesundheit zusammenhingen. Wenn die oben genannten Informationen einbezogen werden können, wird die Bewertung der Untergesundheit vollständiger und genauer.

In dieser Studie wurde PLS-SEM auf kreative Weise auf die Beziehung zwischen Indizes für körperliche Untersuchungen unterhalb des Gesundheitszustands angewendet und es wurde festgestellt, dass der Weg von routinemäßigen Blutuntersuchungen zum Lipidstoffwechsel, der Weg vom Lipidstoffwechsel zur Fettleibigkeit, der Weg von Fettleibigkeit zu den Merkmalen von SV und der Weg von der Leberfunktion zu den Merkmalen von SV waren vernünftig. Gleichzeitig stellten wir in Kombination mit den diagnostischen Methoden der TCM fest, dass die typischen Manifestationen von Subhealth Gliederschmerzen, Müdigkeit, Schulter- und Nackenschmerzen sowie trockene Augen waren, was eine Idee für die Vereinfachung körperlicher Untersuchungsaufgaben und die Reduzierung medizinischer Kosten sein könnte subgesunde Menschen in der Zukunft. Von der gezielten Regulierung und Behandlung unerwünschter Symptome wird erwartet, dass sie die Behandlung von Krankheiten vorantreibt und das nationale Gesundheitsniveau verbessert.

Die im Rahmen der aktuellen Studie generierten und analysierten Datensätze sind aufgrund der Vertraulichkeit der Daten, die ein wichtiger Bestandteil des Nationalen Schlüsseltechnologie-Forschungs- und Entwicklungsprogramms des 13. Fünfjahresplans (Nr. 2017YFC1703301) in China sind, nicht öffentlich zugänglich. Sie sind jedoch auf begründete Anfrage beim entsprechenden Autor erhältlich.

Partielle Strukturgleichungsmodellierung nach der Methode der kleinsten Quadrate

Sublinguale Venen

Hämoglobin

rote Blutkörperchen

Gesamtcholesterin

Triglyceride

Alanin-Transaminase

Aspartattransaminase

Body-Mass-Index

Bauch zu Hüfte Umfang

Fragebogen zur Beurteilung des Gesundheitszustands

Alkalische Phosphatase

Gamma-Glutamyltransferase

Lipoprotein niedriger Dichte

Mittlere korpuskuläre Hämoglobinkonzentration

Spezifisches Volumen der roten Blutkörperchen

Traditionelle Chinesische Medizin

Zungen- und Gesichtsdiagnoseinstrument-1

System zur Zungendiagnose-Analyse

Ke, B. & Liang, Y. Anti-Aging und vollständige Untergesundheitsuntersuchung. Klin. Funktion. Nutriol. 3, 137–140 (2011).

Google Scholar

Dunstan, RH et al. Entwicklung eines komplexen Aminosäurepräparats, Fatigue Reviva, zur oralen Einnahme: Erste Bewertungen des Produktkonzepts und der Auswirkungen auf Symptome einer Untergesundheit bei einer Gruppe von Männern. Nutr. J. 12, 115. https://doi.org/10.1186/1475-2891-12-115 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Davy, CP & Patrickson, M. Implementierung einer evidenzbasierten Gesundheitsversorgung in Papua-Neuguinea. Int. J. Evid. Basierend auf Healthc. 10, 361–368. https://doi.org/10.1111/j.1744-1609.2012.00294.x (2012).

Artikel PubMed Google Scholar

Bi, JL et al. Die Entwicklung und Evaluierung einer Sub-Gesundheits-Selbstbewertungsskala für Universitätsstudenten in China. BMC Public Health 19, 330. https://doi.org/10.1186/s12889-019-6650-3 (2019).

Artikel PubMed PubMed Central Google Scholar

Bi, J. et al. Zusammenhang zwischen Lebensstilfaktoren und suboptimalem Gesundheitszustand: Eine Querschnittsstudie chinesischer Studenten. BMJ Open 4, e005156. https://doi.org/10.1136/bmjopen-2014-005156 (2014).

Artikel PubMed PubMed Central Google Scholar

Weltgesundheitsorganisation: Verfassung der Weltgesundheitsorganisation. WHO (1948).

Li, G. et al. Subgesundheit: Definition, Diagnosekriterien und potenzielle Prävalenz in der Zentralregion Chinas. BMC Public Health 13, 446. https://doi.org/10.1186/1471-2458-13-446 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Wu, H. et al. Modellierung und Datenkoordination partieller Differentialgleichungen im Sub-Health-Management. Alex. Ing. J. 59, 2575–2582. https://doi.org/10.1016/j.aej.2020.04.021 (2020).

Artikel Google Scholar

CACM: Klinische Leitlinien der Chinesischen Medizin zu Subgesundheit, Peking: Chinese Press of Traditional Chinese Medicine (2006).

Liss, DT, Wilkes, CL & Linder, JA Ein Überblick über allgemeine Gesundheitschecks in der Primärversorgung von Erwachsenen – Antwort. JAMA 326, 1634. https://doi.org/10.1001/jama.2021.13882 (2021).

Artikel PubMed Google Scholar

Wang, H. et al. Eine korrelationsbasierte Merkmalsanalyse von körperlichen Untersuchungsindikatoren kann mithilfe maschinellen Lernens dabei helfen, den zugrunde liegenden Gesamtgesundheitszustand vorherzusagen. Wissenschaft. Rep. 12, 19626. https://doi.org/10.1038/s41598-022-20474-3 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Kock, N. Häufige Methodenverzerrung bei PLS-SEM. Int. J. e-Collab. 11, 1–10. https://doi.org/10.4018/ijec.2015100101 (2015).

Artikel Google Scholar

Ebrahimi, A. et al. Das kognitive Modell negativer Symptome bei Schizophrenie: Ein hierarchisches Komponentenmodell mit PLS-SEM. Vorderseite. Psychiatrie 12, 707291. https://doi.org/10.3389/fpsyt.2021.707291 (2021).

Artikel PubMed PubMed Central Google Scholar

Ruiz, RJ et al. Schwangere mexikanisch-amerikanische biopsychosoziale/kulturelle Risiken für ungünstige Folgen für das Kind. Krankenschwestern. Geöffnet 8, 709–720. https://doi.org/10.1002/nop2.676 (2021).

Artikel PubMed Google Scholar

Sun, Y. et al. Vorhersage der Brustkrebs-Screening-Intention von Frauen auf dem Land in China: Ein PLS-SEM-Ansatz basierend auf der Theorie des geplanten Verhaltens. Front Public Health 10, 858788. https://doi.org/10.3389/fpubh.2022.858788 (2022).

Artikel PubMed PubMed Central Google Scholar

Yang, CL, Huang, CY & Hsiao, YH Untersuchen Sie mithilfe von Social Media Mining und PLS-SEM den kausalen Zusammenhang zwischen öffentlichen Umweltbelangen und Anpassungsstrategien. Int. J. Umgebung. Res. Public Health 18, 5270. https://doi.org/10.3390/ijerph18105270 (2021).

Artikel PubMed PubMed Central Google Scholar

Yang, Q. et al. Modellierung der Absicht und Einführung tragbarer Fitnessgeräte: Eine Studie mit SEM-PLS-Analyse. Vorderseite. Public Health 10, 918989. https://doi.org/10.3389/fpubh.2022.918989 (2022).

Artikel PubMed PubMed Central Google Scholar

Yu, W. et al. Studie zum Zungenbild und den Merkmalen sublingualer Kollateralen bei nicht erkrankten Populationen. J. Tradit. Kinn. Med. 62, 1138–1143. https://doi.org/10.13288/j.11-2166/r.2021.13.009 (2021).

Artikel Google Scholar

Yu, W. et al. Studie zur Diagnose sublingualer Venen. Kinn. J. Grundlegende Tradition. Kinn. Med. 28, 305–309. https://doi.org/10.19945/j.cnki.issn.1006-3250.2022.02.008 (2022).

Artikel Google Scholar

Ding, A., Patel, JP & Auyeung, V. Die Beratung zur Traditionellen Chinesischen Medizin (TCM) verstehen: Warum halten Patienten an der Behandlung fest? Ergänzen. Dort. Klin. Üben. 39, 101139. https://doi.org/10.1016/j.ctcp.2020.101139 (2020).

Artikel PubMed Google Scholar

Jiang, T. et al. Beurteilung der Zungenbildqualität basierend auf einem tiefen Faltungs-Neuronalen Netzwerk. BMC Med. Informieren. Entscheidung. Mak. 21, 147. https://doi.org/10.1186/s12911-021-01508-8 (2021).

Artikel PubMed PubMed Central Google Scholar

Shi, Y. et al. Klinisches Data Mining zum Netzwerk von Symptomen und Indizes sowie zur Korrelation von Zungenpulsdaten in der Ermüdungspopulation. BMC Med. Informieren. Entscheidung. Mak. 21, 72. https://doi.org/10.1186/s12911-021-01410-3 (2021).

Artikel PubMed PubMed Central Google Scholar

Li, J. et al. Eine Zunge bietet einen Fusionsansatz zur Vorhersage von Prädiabetes und Diabetes mit maschinellem Lernen. J. Biomed. Informieren. 115, 103693. https://doi.org/10.1016/j.jbi.2021.103693 (2021).

Artikel PubMed Google Scholar

Yu, W. et al. Zusammenhang zwischen sublingualen Venen und dem Glukose- und Lipidstoffwechsel bei Menschen mittleren Alters und älteren Menschen. Kinn. J. Tradit. Kinn. Med. 38, 871–875 (2023).

Google Scholar

Zhang, J. et al. Diagnosemethode für Diabetes basierend auf Support-Vector-Maschinen- und Zungenbildern. Biomed. Res. Int. 2017, 7961494. https://doi.org/10.1155/2017/7961494 (2017).

Artikel ADS PubMed PubMed Central Google Scholar

Xu, JT Computergestützte Analyse und Erkennung der Zunge und ihrer Belagfarbe in der Zungendiagnose. Acta Univ. Tradition. Med. Sünde. Pharmakol. Shanghai 18, 43–47. https://doi.org/10.16306/j.1008 (2004).

Artikel Google Scholar

Jiang, T. et al. Anwendung der Computer-Zungenbildanalysetechnologie bei der Diagnose von NAFLD. Berechnen. Biol. Med. 135, 104622. https://doi.org/10.1016/j.compbiomed.2021.104622 (2021).

Artikel PubMed Google Scholar

Li, S. Tiefenanalyse des Laborfarbmodells. Berechnen. Wissen. Technol. 13, 193–194. https://doi.org/10.14004/j.cnki.ckt.2017.1904 (2017).

Artikel CAS Google Scholar

Xu, JT Ein Farbkonstanzmodell basierend auf der Auflösungskarte der LAB-Topologie. Acta Electron. Sünde. 37, 2109–2112 (2009).

Google Scholar

Hair, JF, Risher, JJ, Sarstedt, M. & Ringle, CM Wann ist PLS-SEM zu verwenden und wie sind die Ergebnisse zu melden? EUR. Bus. Offb. 31, 2–24. https://doi.org/10.1108/EBR-11-2018-0203 (2019).

Artikel Google Scholar

Avkiran, NK Eine ausführliche Diskussion und Veranschaulichung der Strukturgleichungsmodellierung mit partiellen kleinsten Quadraten im Gesundheitswesen. Gesundheitsmanager Wissenschaft. 21, 401–408. https://doi.org/10.1007/s10729-017-9393-7 (2018).

Artikel PubMed Google Scholar

Pan, Y., Yan, J., Lu, W. & Shan, M. Umfrage zum Subgesundheitsstatus und Einflussfaktorenanalyse auf Chinesisch während der Coronavirus-Pandemie 2019. J. Korean Acad. Krankenschwestern. 51, 5–14. https://doi.org/10.4040/jkan.20241 (2021).

Artikel PubMed Google Scholar

Liu, H. & Yuan, W. Analyse des Hauptgedankens von ZHANG Jing-yue „zehn Anfragen“. J. Basic Chin. Med. 22, 1169–1170. https://doi.org/10.19945/j.cnki.issn.1006-3250.2016.09.011 (2016).

Artikel Google Scholar

Lipsky, AM & Greenland, S. Kausal gerichtete azyklische Graphen. JAMA 327, 1083–1084. https://doi.org/10.1001/jama.2022.1816 (2022).

Artikel PubMed Google Scholar

Ramirez, FD et al. Zusammenhang zwischen Neurodermitis und Schlafqualität bei Kindern. JAMA Pädiatr. 173, e190025. https://doi.org/10.1001/jamapediatrics.2019.0025 (2019).

Artikel PubMed PubMed Central Google Scholar

Kim, W. et al. Die Auswirkung von Körperfett auf regionale Bildgebungsmarker des Gehirns und die kognitive Funktion bei gesunden älteren Menschen, vermittelt durch einen gestörten Glukosestoffwechsel. J. Psychiater. Res. 140, 488–495. https://doi.org/10.1016/j.jpsychires.2021.06.011 (2021).

Artikel PubMed Google Scholar

Qihua, W. et al. Studie zur Gefäßarchitektur und Metrologie der Zunge. Kinn. J. Clin. Anat. 15, 44–47 (1997).

Google Scholar

Zhao, XS et al. Histologische Grundlagen der Sublingualvenendiagnostik. J. Guangdong Anat. 20, 22–25 (1997).

Google Scholar

SY, Q. Grundlegende und klinische Studie zur Diagnose sublingualer Venen 48–62 (Guangdong Science and Technology Press, 1998).

Google Scholar

SK, H. et al. Morphologische Studie zur venösen Drainage der Zunge. Kinn. J. Clin. Anat. 14, 169–172 (1996).

Google Scholar

Huang, N. et al. Studie zum Zusammenhang zwischen Leber-, Gallenblasen- und Zungenmanifestation. Kinn. J. Tradit. Kinn. Med. 35, 3388–3391 (2020).

Google Scholar

Tandon, M., Singh, H., Singla, N., Jain, P. & Pandey, CK Zungendicke im Gesundheitszustand vs. Leberzirrhose: Prospektive Beobachtungsstudie. Welt J. Gastrointest. Pharmakol. Dort. 11, 59–68. https://doi.org/10.4292/wjgpt.v11.i3.59 (2020).

Artikel PubMed PubMed Central Google Scholar

Duarte, NT et al. Prävalenz sublingualer Varizen bei Patienten mit Leberzirrhose und die Korrelation mit Stickstoffverbindungen. Oralchirurgie. Oral Med. Oral Pathol. Orale Radiol. 129, 39–44. https://doi.org/10.1016/j.oooo.2019.09.009 (2020).

Artikel PubMed Google Scholar

Matos, LC, Machado, JP, Monteiro, FJ & Greten, HJ Kann die Diagnose der traditionellen chinesischen Medizin parametrisiert und standardisiert werden? Eine narrative Rezension. Healthcare (Basel) 9, 177. https://doi.org/10.3390/healthcare9020177 (2021).

Artikel PubMed Google Scholar

Liu, Q., Tian, ​​X., Tian, ​​J. & Zhang, X. Bewertung der Auswirkungen einer umfassenden Reform auf Einrichtungen der primären Gesundheitsversorgung in der Provinz Anhui. BMC Gesundheitsdienst. Res. 14, 268. https://doi.org/10.1186/1472-6963-14-268 (2014).

Artikel PubMed PubMed Central Google Scholar

Referenzen herunterladen

Besonders dankbar sind die Autoren für die positive Unterstützung durch das Medizinische Untersuchungszentrum des Shuguang-Krankenhauses der Shanghai-Universität für Traditionelle Chinesische Medizin und das gesamte beteiligte medizinische Personal. Vielen Dank für die Hilfe von Dr. Cheng mit umfassender klinischer Erfahrung.

Diese Forschung wurde vom National Key Research and Development Program of China (2017YFC1703301), der National Natural Science Foundation of China (81873235, 82104738, 82004258) und dem Capacity Enhancement Project for Local Institutions der Shanghai Science and Technology Commission (21010504400) finanziert. Der Geldgeber hat die Forschung in keiner Weise beeinflusst und die Forschung wurde unabhängig durchgeführt.

Diese Autoren haben gleichermaßen beigetragen: Yu Wang und Jindi Lou.

School of Public Health, Shanghai University of Traditional Chinese Medicine, 1200 Cailun Road, Pudong, Shanghai, China

Yu Wang

Schule für Traditionelle Chinesische Medizin, Shanghai University of Traditional Chinese Medicine, 1200 Cailun Road, Pudong, Shanghai, China

Jindi Lou, Jun Li, Tao Jiang, Liping Tu und Jiatuo Xu

Experimentierzentrum für Lehren und Lernen, Shanghai University of Traditional Chinese Medicine, 1200 Cailun Road, Pudong, Shanghai, China

Yulin Shi

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Die Arbeit wurde in Zusammenarbeit aller Autoren durchgeführt. YW war an der Konzeption der Idee, YW und JL am Entwurf des Manuskripts sowie an der Datenerfassung und -analyse beteiligt. JX war für die Gesamtführung verantwortlich. JL und YS waren für die Datenanalyse verantwortlich. TJ interpretierte die Daten und LT überarbeitete das Manuskript. Alle Autoren haben das endgültige Manuskript gelesen und genehmigt.

Korrespondenz mit Jiatuo Xu.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Wang, Y., Lou, J., Li, J. et al. Beziehungsketten von Subgesundheitsindikatoren für körperliche Untersuchungen: eine Querschnittsstudie unter Verwendung des PLS-SEM-Ansatzes. Sci Rep 13, 13640 (2023). https://doi.org/10.1038/s41598-023-39934-5

Zitat herunterladen

Eingegangen: 02. Februar 2023

Angenommen: 02. August 2023

Veröffentlicht: 22. August 2023

DOI: https://doi.org/10.1038/s41598-023-39934-5

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.