Alternative medicine: an ethnographic study of how practitioners of Indian medical systems manage TB in Mumbai
Notice bibliographique
Résumé
BACKGROUND: Mumbai is a hot spot for drug-resistant TB, and private practitioners trained in AYUSH systems (Ayurveda, yoga, Unani, Siddha and homeopathy) are major healthcare providers. It is important to understand how AYUSH practitioners manage patients with TB or presumptive TB. METHODS: We conducted semi-structured interviews of 175 Mumbai slum-based practitioners holding degrees in Ayurveda, homeopathy and Unani. Most providers gave multiple interviews. We observed 10 providers in clinical interactions, documenting: clinical examinations, symptoms, history taking, prescriptions and diagnostic tests. RESULTS: No practitioners exclusively used his or her system of training. The practice of biomedicine is frequent, with practitioners often using biomedical disease categories and diagnostics. The use of homeopathy was rare (only 4% of consultations with homeopaths resulted in homeopathic remedies) and Ayurveda rarer (3% of consultations). For TB, all mentioned chest x-ray while 31 (17.7%) mentioned sputum smear as a TB test. One hundred and sixty-four practitioners (93.7%) reported referring TB patients to a public hospital or chest physician. Eleven practitioners (6.3%) reported treating patients with TB. Nine (5.1%) reported treating patients with drug-susceptible TB with at least one second-line drug. CONCLUSIONS: Important sources of health care in Mumbai's slums, AYUSH physicians frequently use biomedical therapies and most refer patients with TB to chest physicians or the public sector. They are integral to TB care and 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».