Characterisation of complementary and alternative medicine use and its impact on medication adherence in inflammatory bowel disease
Notice bibliographique
Résumé
BACKGROUND: Complementary and alternative medicine (CAM) use among inflammatory bowel disease (IBD) patients is common. We characterised CAM utilisation and assessed its impact on medical adherence in the IBD population. AIM: To characterise CAM utilisation and assess its impact on medical adherence in the IBD population. METHODS: Inflammatory bowel disease patients recruited from an out-patient clinic at a tertiary centre were asked to complete a questionnaire on CAM utilisation, conventional IBD therapy, demographics and communication with their gastroenterologist. Adherence was measured using the self-reported Morisky scale. Demographics, clinical characteristics and self-reported adherence among CAM and non-CAM users were compared. RESULTS: We recruited prospectively 380 IBD subjects (57% Crohn's disease; 35% ulcerative colitis, and 8% indeterminate colitis). The prevalence of CAM use was 56% and did not significantly vary by type of IBD. The most common reason cited for using CAM was ineffectiveness of conventional IBD therapy (40%). The most popular form of CAM was probiotics (53%). CAM users were younger than non-CAM users at diagnosis (21.2 vs. 26.2, P < 0.0001) and more likely than non-CAM users to have a University-level education or higher (75% vs. 62% P = 0.006). There was no overall difference in adherence between CAM and non-CAM users (Morisky score: 1.0 vs. 0.9, P = 0.26). CONCLUSIONS: The use of complementary and alternative medicine is widely prevalent among IBD patients, and is more frequent among those with experience of adverse effects of conventional medications. From this cross-sectional analysis, complementary and alternative medicine use does not appear to be associated with reduced overall adherence to medical therapy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».