Use and perceived effectiveness of complementary health approaches in children
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Up to one-half of children may use complementary health approaches (CHA). However, current prevalence in North America, variables associated with CHA use and caregiver perceptions of effectiveness are unclear. We aimed to determine the self-reported use of CHA during the previous 12 months in paediatric patients, demographic variables associated with CHA use and perceptions around effectiveness of CHA. METHODS: A cross-sectional survey study of patients aged between 28 days and 18 years who presented to a large paediatric emergency department was conducted between December 2014 and July 2015. Univariate analysis and multivariate logistic regression were used to examine variables associated with CHA use. RESULTS: Of 475 potential participants, 412 (86.7%) responded to the questionnaire, of whom 369 (89.5%) had completed the entire survey. Of these, 61.7% (95% confidence interval [CI] 56.7% to 66.6%) reported using CHA for their child. The most used CHA products were vitamins and minerals (59.2%, 95% CI 52.4% to 65.7%). Among CHA practices, massage (50.0%, 95% CI 15.5% to 30.1%) was most common. Most CHA users perceived effectiveness of the therapy used. Parental education remained statistically significant (P=0.03) in multivariate logistic regression; the odds of CHA use among caregivers with university-level education were 1.65 times higher when compared with those without (95% CI 1.04% to 2.61%). CONCLUSIONS: CHA use is higher than previously reported in children. Given the high self-reported perceived effectiveness, paediatricians and family physicians should review CHA use with their patients in an open, non-judgmental manner, exploring both perceptions of safety and efficacy.
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) | 0,001 | 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 ».