Complementary and alternative asthma treatments and their association with asthma control: a population-based study
Notice bibliographique
Résumé
OBJECTIVES: Many patients with asthma spend time and resources consuming complementary and alternative medicines (CAMs). This study explores whether CAM utilisation is associated with asthma control and the intake of asthma controller medications. DESIGN: Population-based, prospective cross-sectional study. SETTING: General population residing in two census areas in the province of British Columbia, Canada. Recruitment was based on random-digit dialling of both landlines and cell phones. PARTICIPANTS: 486 patients with self-reported physician diagnosis of asthma (mean age 52 years; 67.3% woman). PRIMARY AND SECONDARY OUTCOME MEASURES: We assessed CAM use over the previous 12 months, level of asthma control as defined by the Global Initiative for Asthma and the self-reported intake of controller medications. Multivariate logistic regression was performed to study the relationship between any usage of CAMs (outcome), asthma control and controller medication usage, adjusted for potential confounders. RESULTS: A total of 179 (36.8%) of the sample reported CAM usage in the past 12 months. Breathing exercises (17.7%), herbal medicines (10.1%) and vitamins (9.7%) were the most popular CAMs reported. After adjustment, female sex (OR 1.66; 95% CI 1.09 to 2.52) and uncontrolled asthma (vs controlled asthma, OR 2.25, 95% CI 1.30 to 3.89) were associated with a higher likelihood of using any CAMs in the past 12 months. Controller medication use was not associated with CAM usage in general and in the subgroups defined by asthma control. CONCLUSIONS: Clinicians and policy makers need to be aware of the high prevalence of CAM use in patients with asthma and its association with lack of asthma control.
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 | 0,000 |
| 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 ».