Assessing the Role of Evidence in Patients' Evaluation of Complementary Therapies: A Quality Study
Notice bibliographique
Résumé
BACKGROUND: Making the decision to use complementary and alternative medicine (CAM) for cancer treatment is difficult in light of the limited available evidence for these treatments. It is unclear how patients use evidence to make these decisions. OBJECTIVES: (1) Describe the type of information about CAM that cancer patients use in their decision making; (2) understand why certain types of information about CAM are accepted as evidence by cancer patients; and (3) explore the role of scientific evidence in treatment decision making. METHODS: A qualitative study design using in-depth semistructured interviews with cancer patients attending 4 conventional and integrative health care institutions in Alberta and British Columbia, Canada, was used. RESULTS: Twenty-seven patients were interviewed. Patients sought CAM information from a range of sources, including the Internet, health care providers, friends, relatives, and newspapers. Many expressed frustration about the overwhelming amount of available information and found it difficult to identify reliable information. Information was described as reliable if it supported them in arriving at a decision about CAM. Types of information participants identified included anecdotes, expert opinion, gut feeling, popular literature, scientific evidence, testimonials, advertising and trial and error. Profound differences were found between new CAM users, experienced CAM users, and users with late-stage cancer in type of information sought, the role of scientific evidence in decision making, and overall information needs. CONCLUSION: Although this was a relatively small qualitative study, the results suggest that (1) many patients do not value scientific evidence as highly as conventional providers and (2) it is important for clinicians and other information providers to be aware of the different types of information that patients seek out and access when making choices and decisions regarding CAM treatments and why they seek out these sources.
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 | 0,478 | 0,731 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,012 | 0,018 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».