Health food store recommendations: implications for breast cancer patients
Notice bibliographique
Résumé
BACKGROUND: Many breast cancer patients use complementary and alternative medicine (CAM). We aimed to determine what advice health food store employees present to individuals seeking treatment options for breast cancer. METHODS: Eight data gatherers asked employees of all retail health food stores in a major Canadian city, what they recommended for a patient with breast cancer. The data gatherers inquired about product safety, potential drug interactions, costs and efficacy. They also enquired about employee training related to the products. RESULTS: Thirty-four stores were examined. A total of 33 different products were recommended, none of which are supported by sufficient evidence of efficacy. The average cost of the products they recommended was 58.09 dollars (CAD) (minimum 5.28 dollars, median 32.99 dollars, maximum 600 dollars) per month. Twenty-three employees (68%) did not ask whether the patient took prescription medications. Fifteen employees (44%) recommended visiting a healthcare professional (naturopaths (9), physicians (5), nutritionists (1). Three employees (8.8%) discussed potential adverse effects of the products. Eight employees (23.5%) discussed the potential for drug interactions. Two employees (5.9%) suggested a possible cure with the products and one employee (2.9%) suggested discontinuing Tamoxifen. Four employees (11.8%) recommended lifestyle changes and three employees (8.8%) recommended books for further reading on the products. CONCLUSION: This study draws attention to the heterogeneity of advice provided by natural health food stores to individuals seeking treatments for breast cancer, and the safety and cost implications of some of the products recommended. Physicians should enquire carefully about the use of natural health food products by patients with breast cancer. Regulators need to consider regulations to protect vulnerable patients from incurring significant costs in their purchasing of natural health food products lacking evidence of benefit and of questionable safety.
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 | 0,004 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».