The Use of Complementary and Alternative Medicines Among a Sample of Canadian Menopausal‐Aged Women
Notice bibliographique
Résumé
INTRODUCTION: Despite questionable efficacy and safety, many women use a variety of complementary and alternative medicine (CAM) therapies to relieve menopause symptoms. METHODS: We examined the determinants and use of CAM therapies among a sample of menopausal-aged women in Canada by using a cross-sectional Web-based survey. RESULTS: Four hundred twenty-three women who were contacted through list serves, e-mail lists, and Internet advertisements provided complete data on demographics, use of CAM, therapies, and menopausal status and symptoms. Ninety-one percent of women reported trying CAM therapies for their symptoms. Women reported using an average of five kinds of CAM therapies. The most common treatments were vitamins (61.5%), relaxation techniques (57.0%), yoga/meditation (37.6%), soy products (37.4%), and prayer (35.7%). The most beneficial CAM therapies reported were prayer/spiritual healing, relaxation techniques, counseling/therapy, and therapeutic touch/Reiki. Demographic factors and menopausal symptoms contributed to 14% of the variance (P < .001) in the number of CAM therapies tried. DISCUSSION: Results support previous research showing that menopausal women have high user rates of CAM therapy and show that specific demographic factors and somatic symptomatology relate to use of CAM therapies. Health care providers can benefit from understanding the determinants and use of CAM by women during the menopause transition if they are to help and provide quality care for this population.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».