Complementary and Alternative Medicine Use in Patients Before and After a Cancer Diagnosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Cancer patients are increasingly seeking out complementary and alternative medicine (cam) and might be reluctant to disclose its use to their oncology treatment team. Often, cam agents are not well studied, and little is known about their potential interactions with chemotherapy, radiation therapy, or biologic therapies, and their correlations with outcomes. In the present study, we set out to determine the rate of cam use in patients receiving treatment at a Northern Ontario cancer centre. Methods: Patients reporting for treatment at the Northeast Cancer Centre (necc) in Sudbury, Ontario, were asked to complete an anonymous questionnaire to assess cam use. Changes in cam use before, compared with after, diagnosis were also assessed. Results: Patients in Northern Ontario reported significant cam use both before and after diagnosis. However, as a function of the cam type, cam use was greatly enhanced after cancer diagnosis. For example, the number of patients who reported use of biologic products increased to 51.8% after a cancer diagnosis from 15.6% before a cancer diagnosis. Patients reported much smaller changes in the use of alternative medical systems or spiritual therapy after diagnosis. Vitamin use was reported by 66% of respondents, and the number of different cams used correlated significantly with the reported number of vitamins used. Conclusions: Use of cam, particularly biologic products, increased significantly after a cancer diagnosis. Further studies are required to examine the effect of cam use on the efficacy and safety of cancer therapies.
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.
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) | 0,000 | 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 découle