Using Alternative Therapies to Manage Chronic Illness Among Older Adults: An Examination of the Health Context, Predisposing and Enabling Processes
Notice bibliographique
Résumé
ABSTRACT This paper examines use of alternative therapies to manage a chronic illness among older adults with at least one of three major conditions: arthritis, heart disease, and hypertension. Drawing from developments in the health utilization literature, a focus is placed on the illness context, predisposing factors, and several factors deemed to enable persons to use complementary medicine. The baseline data (n = 879) from the 1995–96 North Shore Self-Care Study conducted in Vancouver, Canada were used for this study. Two dependent variables were analysed using logistic regression techniques – the first is based on a comprehensive question about using alternative therapies (such as herbal remedies, acupuncture, massage therapy, etc.) to manage a chronic condition; and the second uses a more specific question pertaining to meditation or praying. The results from the first analysis show that being younger, suffering from arthritis compared to hypertension, comorbidity, taking fewer medications, lower income, reading on the chronic condition, and the interaction between reading and illness self-efficacy are associated with trying alternative therapies. The findings for the second analysis show that being female, being younger, and not married, as well as reporting a more serious condition, illness duration and the interaction between having moderate levels of mutual aid and number of confidants result in a greater likelihood of trying meditation/prayer. Implications of these results are discussed in terms of their theoretical import, and their relevance for the degree to which unconventional and conventional medicine are complementary.
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 | 0,001 | 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 | 0,001 | 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 ».