IN-CAM Outcomes Database - Its Relevance and Application in Massage Therapy Research and Practice
Notice bibliographique
Résumé
One of the most commonly used complementary and alternative medicine (CAM) modalities in North America is massage therapy (MT). Research to date indicates many potential health benefits of MT, suggesting that ongoing research efforts to further elucidate and substantiate preliminary findings within the massage profession should be given high priority. Central to the development of a sound evidence base for MT are the use of valid, reliable, and relevant outcome measures in research, and practice in assessing the effectiveness of MT. The purpose of the present article is to introduce MT researchers and massage therapists interested in using outcome measures in research and clinical practice to the IN-CAM Outcomes Database website by describing the Outcomes Database and identifying its utility in MT research and practice. The IN-CAM Outcomes Database is a centralized location where information on outcome measures is collected and made accessible to users. Outcome measures are organized in the database within the Framework of Outcome Domains. The Framework includes health domains relevant to conventional medicine and CAM alike, and health domains that have been identified as important to CAM interventions. Users of the website may search for information on a specific outcome measure, plan research projects, and engage in discussions related to outcomes assessment in the CAM field with other users and with members of the CAM research community. As the MT profession continues to evolve and move toward evidence-informed practice, the IN-CAM Outcomes Database website can be a valuable resource for MT researchers and massage therapists.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».