Use of complementary and alternative medicine in patients with inborn errors of metabolism: A single‐center study
Notice bibliographique
Résumé
Abstract Background and Objectives There is a paucity of information on the use of complementary and alternative medicine (CAM) in patients with inborn errors of metabolism (IEM). This study's objective was to evaluate the self‐reported use and perceived effectiveness of CAM in adults and children with IEM. Methods Patients aged 0‐70 years and caregivers seen at the London Health Sciences Centre Metabolic Clinic (London, Ontario, Canada) between July 2017 and August 2017 were recruited to complete a questionnaire regarding CAM use to help their IEM diagnosis and perceived effectiveness of these therapies. Survey responses were analyzed using descriptive statistics; age, sex, and education level associations among CAM users were tested using the Pearson χ 2 test. Results Of 50 potential participants, 44 (88%) completed the questionnaire, including 21 adults (6 by caregivers) and 23 children (22 by caregivers). The most common IEM category was Aminoacidopathies and Small Molecule Disorders (50%). Twenty‐seven (61%) participants reported CAM use to help their IEM diagnosis. The most common CAM therapies used were chiropractic manipulation, omega‐3 fatty acids, probiotics, and aromatherapy/essential oils. Most CAM users and caregivers (74%) perceived their CAM therapies as effective overall. Among CAM users, 40% had not discussed CAM use with a health care professional (HCP). CAM use was similar when comparing age, sex and education level. Conclusions CAM is commonly used among patients with IEM. The safety and efficacy of CAM therapies for IEM should be further investigated. HCPs and patients should openly discuss CAM use in order to evaluate safety.
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) | 0,000 | 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 ».