Use of Complementary and Alternative Medicine for Inflammatory Bowel Disease Is Associated with Worse Adherence to Conventional Therapy
Notice bibliographique
Résumé
BACKGROUND: Complementary and alternative medicine (CAM) use is highly prevalent among inflammatory bowel disease (IBD patients). We assessed whether its use, both for IBD and for general health, influenced adherence to conventional medications. METHODS: We enrolled 392 IBD subjects in a prospective cohort study and categorized them as CAM nonusers (38%) and those who used CAM for general health (CAM-GEN, 41%) and for IBD (CAM-IBD, 21%). Their self-reported adherence was measured using the 4-item Morisky Adherence Scale during a median follow-up period of 6.8 months. RESULTS: CAM-IBD users were less likely to be adherent to medical therapy than CAM nonusers and CAM-GEN users (70% vs. 84% and 81%, respectively, P < 0.05). Nearly all subjects who were nonadherent reported that it was unintentional (97%), and this did not vary use of CAM. After adjusting for confounders, the adjusted odds ratio for adherence among CAM-IBD relative to CAM nonuser was 0.47 (95% CI, 0.22-0.96). CAM-GEN demonstrated similar adherence to CAM nonusers (adjusted odds ratio, 0.85; 95% CI, 0.44-1.66). CAM-IBD was also less likely than CAM nonusers and CAM-GEN to have improvement in their adherence scores during follow-up (14% vs. 33% and 34%, respectively, P < 0.01). The adjusted odds ratio for improved adherence in CAM-IBD compared with CAM nonusers and CAM-GEN were 0.32 (95% CI, 0.15-0.69) and 0.34 (95% CI, 0.16-0.72), respectively. CONCLUSIONS: CAM-IBD, but not CAM-GEN, was associated with lower adherence to IBD medical therapy. A third of CAM nonusers and CAM-GEN improved adherence during the observation period, suggesting a Hawthorne effect.
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 | 0,001 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».