中草药
排名 | 名称 | 别名 | 权重 |
---|---|---|---|
排名 | 名称 | 别名 | 权重 |
1 | 高级会员可见 | 93.85 | |
2 | 高级会员可见 | 87.59 | |
3 | 高级会员可见 | 77.78 | |
4 | 鸦胆子 | 鸭胆子、鸦胆[植] | 72.1 |
5 | 地骨皮 | 枸杞根、地骨、枸杞[植] | 63.64 |
6 | 墨旱莲 | 鳢肠、旱莲草 | 42.42 |
7 | 油桐 | 三年桐、荏桐 | 21.21 |
8 | 紫苏 | 白苏、白苏叶、白苏梗、紫苏叶、紫苏梗、红苏、苏麻、苏子、苏叶、苏梗 | 21.21 |
1 | 高级会员可见 | 93.85 | |
2 | 高级会员可见 | 87.59 | |
3 | 高级会员可见 | 77.78 | |
4 | 鸦胆子 | 鸭胆子、鸦胆[植] | 72.1 |
5 | 地骨皮 | 枸杞根、地骨、枸杞[植] | 63.64 |
6 | 墨旱莲 | 鳢肠、旱莲草 | 42.42 |
7 | 油桐 | 三年桐、荏桐 | 21.21 |
8 | 紫苏 | 白苏、白苏叶、白苏梗、紫苏叶、紫苏梗、红苏、苏麻、苏子、苏叶、苏梗 | 21.21 |
食物
[食物权重的特别说明]排名 | 名称 | 别名 | 权重 |
---|---|---|---|
1 | 高级会员可见 | 270 | |
2 | 高级会员可见 | 23.22 | |
3 | 高级会员可见 | 5.67 | |
4 | 富士苹果 | 苹果,生的,富士,带皮(U) | 4.59 |
5 | 榛子 | 坚果,榛子或榛实(U) | 2.7 |
6 | 蔓越莓 | 蔓越莓,生的(U) | 2.43 |
7 | 茶(黑色) | 饮料,茶,黑色,酿造,用自来水制备,不含咖啡因(U) | 2.43 |
8 | 茶(速溶、用水制备) | 饮料,茶,速溶,不加糖,用水制备(U) | 2.16 |
9 | 黑莓 | 黑莓,生的(U) | 1.62 |
10 | 覆盆子 | 覆盆子,未加工(U)、树莓 | 1.35 |
11 | 开心果 | 坚果,开心果,未加工(U) | 1.08 |
12 | 李子 | 李子,未加工(U)、黑布林 | 1.08 |
13 | 桃子(黄色) | 桃子,黄色,未加工(U)、黄桃 | 0.81 |
14 | 梨 | 梨,未加工(U) | 0.54 |
15 | 苹果 | 苹果,生的,带皮(U) | 0.54 |
16 | 金冠苹果 | 苹果,生的,金冠,带皮(U) | 0.54 |
17 | 史密斯奶奶苹果 | 苹果,生的,史密斯奶奶,带皮(U) | 0.54 |
18 | 洋葱(甜) | 洋葱,甜,未加工(U) | 0.27 |
19 | 草莓 | 草莓,未加工(U) | 0.27 |
20 | 猕猴桃 | 猕猴桃,绿色,未加工(U)、奇异果 | 0.27 |
21 | 牛油果 | 鳄梨,生的,所有商业品种(U) | 0.27 |
22 | 红星苹果 | 苹果,生的,红星,带皮(U)、蛇果 | 0.27 |
23 | 盛宴苹果 | 苹果,生的,盛宴,带皮(U) | 0.27 |
24 | 洋葱(威尔士) | 洋葱,威尔士,未加工(U) | 0 |
25 | 欧芹 | 欧芹,新鲜(U)、香芹、西芹 | 0 |
26 | 洋葱(年轻的叶用葱) | 洋葱,年轻的叶用葱,只有顶部(U) | 0 |
27 | 小麦 | 麸麦、浮麦 | 0 |
28 | 小洋葱或大葱(包括顶部和球茎) | 洋葱,小洋葱或大葱(包括顶部和球茎),未加工(U) | 0 |
29 | 洋葱(熟) | 洋葱,熟,煮,沥干,不加盐(U) | 0 |
30 | 秋葵 | 秋葵,未加工(U)、咖啡黄葵 | 0 |
说明
权重
对于任何一种诉求或疾病而言,用户只需从AI食疗搜索结果中的权重最高和权重较高的几种营养素、天然提取物和中草药中进行选择即可。
当切换至“最有效的”时,权重值越高表示该补充剂对该诉求或疾病越有效;当切换至“最不利的”时,权重值越高表示该补充剂对该诉求或疾病越不利。对于任何一种诉求或疾病而言,补充剂的权重值的最高值总是100。
食物与补充剂(营养素、天然提取物、中草药)的权重计算采用的是两套不同的算法。因此,针对某一诉求,食物的权重和补充剂的权重相互之间没有可比性。但三种补充剂(营养素、天然提取物、中草药)的权重计算采用的是同一套算法,它们之间有完全可比性。
食物权重
对于任何一种诉求或疾病而言,在计算食物的权重时,仅考虑食物中所含的营养素,而没有将食物中可能所含的功效成分与活性成分考虑在内。因此,食物的权重仅供参考。要获得在充分考虑了食物中所含的功效成分与活性成分的情况下对诉求或疾病的相关性,请使用 PubMed食物全排序 功能。
双向出现
对于任何一种诉求或疾病而言,当一种补充剂既出现在“最有效的”列表中,同时又出现在“最不利的”列表中时,表示的是以正常剂量使用该补充剂是有效的,但过量使用时则是不利的。
权重偏差
由于权重计算所用到的AI算法,其深度学习的过程需要进行数据预处理,而PubMed的实验报告达数千万份,其数据预处理是分批进行的,这会导致数据滞后产生权重偏差。权重偏差所带来的影响是,对于有些诉求或疾病而言,权重最高的补充剂可能并不是对其最有效的补充剂。
为了解决权重偏差,引入新维度—— PubMed实验报告 。