Predictors of Use of Complementary and Alternative Therapies Among Patients With Cancer
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To determine predictors of use of complementary and alternative medicine (CAM) therapies among patients with cancer. DESIGN: Secondary analysis of two federally funded panel studies. SETTING: Urban and rural communities in the midwestern United States. SAMPLE: Patients with lung, breast, colon, or prostate cancer (N = 968) were interviewed at two points in time. 97% received conventional cancer treatment, and 30% used CAM. The sample was divided evenly between men and women, who ranged in age from 28-98; the majority was older than 60. METHODS: Data from a patient self-administered questionnaire were used to determine CAM users. Responses indicated use of herbs and vitamins, spiritual healing, relaxation, massage, acupuncture, energy healing, hypnosis, therapeutic spas, lifestyle diets, audio or videotapes, medication wraps, and osteopathic, homeopathic, and chiropractic treatment. MAIN RESEARCH VARIABLES: Dependent variable for analysis was use or nonuse of any of the identified CAM therapies at time of interviews. Independent variables fell into the following categories: (a) predisposing (e.g., gender, age, race, education, marital status), (b) enabling (e.g., income, health insurance status, caregiver presence, geographic location), and (c) need (e.g., cancer stage, site, symptoms, treatment, perceived health need). FINDINGS: Significant predictors of CAM use were gender, marital status, cancer stage, cancer treatment, and number of severe symptoms experienced. CONCLUSIONS: Patients with cancer are using CAM while undergoing conventional cancer treatment. IMPLICATIONS FOR NURSING: Nurses need to assess for CAM use, advocate for protocols and guidelines for routine assessment, increase knowledge of CAM, and examine coordination of services between conventional medicine and CAM to maximize positive patient outcomes.
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) | 0,000 | 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) | 0,000 | 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 ».