Key points are not available for this paper at this time.
CONTEXTO: Intervenções de saúde complementar e integrativa (CIH), incluindo estratégias nutricionais, são amplamente utilizadas para apoiar a saúde integral da pessoa, no entanto, a evidência sobre sua eficácia, segurança e mecanismos permanece fragmentada. OBJETIVOS: Esta revisão narrativa mapeou os recursos de conhecimento existentes em CIH, identificou lacunas críticas e destacou desafios na interoperabilidade e integração. Propusemos estratégias de informática impulsionadas por inteligência artificial para padronizar, conectar e alavancar esses recursos, com o objetivo de avançar na descoberta, nutrição de precisão e abordagens personalizadas para saúde e bem-estar. MÉTODOS: Realizamos uma revisão narrativa de recursos de conhecimento disponíveis publicamente sobre intervenções de saúde complementar, focando em sua efetividade, segurança e mecanismos biológicos, incluindo o microbioma. As intervenções foram categorizadas como nutricionais, físicas ou psicológicas. Os recursos foram então classificados como bases de conhecimento, conjuntos de dados, bancos de dados, ontologias, gráficos de conhecimento, plataformas ou iniciativas, com resumos de seu escopo, funcionalidade e contribuições. RESULTADOS: Identificamos 47 recursos que podem apoiar a informática em saúde complementar e integrativa (15 bases de conhecimento, 13 bancos de dados, 7 conjuntos de dados, 4 plataformas, 3 iniciativas, 3 ontologias e 2 gráficos de conhecimento). As categorias incluíram intervenções nutricionais (32, com 13 sobre o microbioma), intervenções físicas (4), intervenções psicológicas (3) e recursos abrangentes ou multimodais (7). A maioria dos recursos (39) estava disponível publicamente. CONCLUSÕES: Avançar na saúde integral da pessoa requer maior padronização e integração de recursos de conhecimento, o que, por sua vez, possibilita uma aplicação mais eficaz de métodos de inteligência artificial e informática. Quando recursos bem estruturados e interoperáveis são combinados com esses métodos computacionais, eles podem unificar diversos domínios de conhecimento, avançar a ciência da saúde complementar e integrativa e acelerar a descoberta em nutrição personalizada.
Austin et al. (Ter,) estudaram esta questão.