MétaCan
Menu
Retour à la cohorte
Enregistrement W2559111125 · doi:10.1016/j.jep.2016.11.047

How do government regulations influence the ability to practice Chinese herbal medicine in western countries

2016· article· en· W2559111125 sur OpenAlexaboutno aff
Tom Fleischer, Yi‐Chang Su, Jui‐Shan Lin

Notice bibliographique

RevueJournal of Ethnopharmacology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueNephrotoxicity and Medicinal Plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraditional medicineGovernment (linguistics)Folk medicineWestern medicineMedicineAlternative medicineTraditional Chinese medicineBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

ETHNOPHARMACOLOGICAL RELEVANCE: The regulation policies of substances used in Chinese Herbal Medicine (CHM), have a direct influence on the ability of health providers to practice in the clinic. AIM OF THE STUDY: We set out to assess the truth behind the assumption that practice of CHM in the west is constrained by the regulations imposed by authorities in western countries. MATERIALS AND METHODS: For the first part of our study we surveyed and compiled lists of banned and restricted Chinese Materia Medica (CMM) from six countries: USA, UK, Germany, Israel, Canada and Australia. Afterwards, we estimated the relevant importance of the 300 CMM most-commonly-prescribed to the practice of CHM according to prescriptions from 2,000,000 randomly selected patients, from the Taiwanese National Health Insurance Research Database (NHIRD). We then compared both lists and determined the clinical importance of the banned and restricted CMM. RESULTS: Except for regulations from Canada, most of the information of banned CMM proved to be difficult to organize. The USA was found to have the least amount of banned herbs, with 9 substances. Canada had the highest amount, with 98. In Germany, Australia, the UK, and Israel 10, 29, 36, 68 banned CMM were found, respectively. Apart from aristolochic acid containing substances, ma huang (, Ephedra sinica) was the only CMM banned in all countries. Most of the banned CMM were not found to be among the most-commonly-prescribed according to the NHIRD. CONCLUSION: Authorities should make this information more accessible. No clear relation exists between CHM regulations and any 'Western' common denominator, and the amount of banned CMM varied greatly among the surveyed countries. However, even among countries with a larger amount of banned CMM, the majority of these were in the bottom two-thirds in respect to the frequency of their use. Thus, regulations in some western countries surely influence the practice of CHM, however, the variability of CMM have been influenced by regulations only to a limited extent.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,359
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EthnopharmacologyMême sujetNephrotoxicity and Medicinal PlantsTravaux en français237 207