An Analysis of News Media Coverage of Complementary and Alternative Medicine
Notice bibliographique
Résumé
BACKGROUND: To examine the accuracy and adequacy of lay media news stories about complementary and alternative medicines and therapies. METHODOLOGY/PRINCIPAL FINDINGS: A descriptive analysis of news stories about complementary and alternative medicine (CAM) in the Australian media using a national medical news monitoring website, mediadoctor.org.au. Each story was rated against 10 criteria by two individuals. Consensus scores of 222 news articles reporting therapeutic claims about complementary medicines posted on mediadoctor.org.au between 1 January 2004 and 1 September 2007 were calculated. The overall rating score for 222 CAM articles was 50% (95% CI 47% to 53%). There was a statistically significant (F = 3.68, p = 0.006) difference in cumulative mean scores according to type of therapy: biologically based practices (54%, 95% CI 50% to 58%); manipulative body based practices (46%, 95% CI 39% to 54%), whole medical systems (45%, 95% CI 32% to 58%), mind body medicine (41%, 95% CI 31% to 50%) and energy medicine (33%, 95% CI 11% to 55%). There was a statistically significant difference in cumulative mean scores (F = 3.72, p = 0.0001) according to the clinical outcome of interest with stories about cancer treatments (62%, 95% CI 54% to 70%) scoring highest and stories about treatments for children's behavioural and mental health concerns scoring lowest (31%, 95% CI 19% to 43%). Significant differences were also found in scores between media outlets. CONCLUSIONS/SIGNIFICANCE: There is substantial variability in news reporting practices about CAM. Overall, although they may be improving, the scores remain generally low. It appears that much of the information the public receives about CAM is inaccurate or incomplete.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 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 ».