Complementary and Alternative Medicine in Patients With Breast Cancer: Exploratory Study of Social Network Forum Data
Notice bibliographique
Résumé
BACKGROUND: Patients and health care professionals are becoming increasingly preoccupied in complementary and alternative medicine (CAM) that can also be called nonpharmacological interventions (NPIs). In just a few years, this supportive care has gone from solutions aimed at improving the quality of life to solutions intended to reduce symptoms, supplement oncological treatments, and prevent recurrences. Digital social networks are a major vector for disseminating these practices that are not always disclosed to doctors by patients. An exploration of the content of exchanges on social networks by patients suffering from breast cancer can help to better identify the extent and diversity of these practices. OBJECTIVE: This study aimed to explore the interest of patients with breast cancer in CAM from posts published in health forums and French-language social media groups. METHODS: The retrospective study was based on a French database of 2 forums and 4 Facebook groups between June 3, 2006, and November 17, 2015. The extracted, anonymized, and compiled data (264,249 posts) were analyzed according to the occurrences associated with the NPI categories and NPI subcategories, their synonyms, and their related terms. RESULTS: The results showed that patients with breast cancer use mainly physical (37.6%) and nutritional (31.3%) interventions. Herbal medicine is a subcategory that was cited frequently. However, the patients did not mention digital interventions. CONCLUSIONS: This exploratory study of the main French forums and discussion groups indicates a significant interest in CAM during and after treatments for breast cancer, with primarily physical and nutritional interventions complementing approved treatments. This study highlights the importance of accurate information (vs fake medicine), prescription and monitoring of these interventions, and the mediating role that health professionals must play in this regard.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».