Prevalence and predictors of complementary and alternative medicine modalities in patients with chronic hepatitis B
Notice bibliographique
Résumé
BACKGROUND & AIMS: The use of complementary and alternative medicine (CAM) in patients with chronic hepatitis B (CHB) can interact with antiviral treatment or influence health-seeking behaviour. We aimed to study the use of individual CAM modalities in CHB and explore determinants of use, particularly migration-related, socio-economic and clinical factors. METHODS: A total of 436 CHB outpatients who attended the Toronto Centre for Liver Disease in 2015-2016 were included in this cross-sectional study. Using the comprehensive I-CAM questionnaire and health records, data were collected on socio-demographic and clinical variables and on usage of 16 CAM modalities in the last year. RESULTS: Sixty percent of patients were male, 74% were Asian and 46% were using antiviral treatment. Three-hundred and nine (71%) patients used CAM. Vitamin/mineral preparations (45% of patients) were most commonly used. Overall CAM use and the specific use of potentially injurious CAM, such as green tea extract (9.2%) and St. John's wort (0.2%), were not associated with liver disease severity. Female sex, family history of CHB, lower serum HBV DNA, and higher socio-economic status were independently associated with bio-holistic CAM use, the clinically most-relevant CAM group (P < 0.05); ethnicity, antiviral therapy use and liver disease severity were not. CONCLUSIONS: CAM use among CHB patients was extensive, especially use of vitamin and mineral preparations, but without direct influence on liver disease severity. Bio-holistic CAM use appeared to be associated with socio-economic status rather than with ethnicity or liver disease severity. Despite the rare use of hepatotoxins, physicians should actively inquire about it.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».