MétaCan
Menu
Retour à la cohorte
Enregistrement W3119724150 · doi:10.1016/j.eplepsyres.2020.106538

Complementary and alternative medicine (CAM) for epilepsy treatment in the Middle East and North Africa (MENA) region

2021· review· en· W3119724150 sur OpenAlexaff
Boulenouar Mesraoua, Najib Kissani, Dirk Deleu, Lubna Elsheikh, Musab Ali, Gayane Melikyan, Hassan Al Hail, Samuel Wiebe, Ali A. Asadi‐Pooya

Notice bibliographique

RevueEpilepsy Research · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEpilepsyMiddle EastTraditional medicineMedicineAncient historyGeographyPsychiatryHistory

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The aim of this study is to provide the reader with a review on Complementary and Alternative Medicine (CAM) treatment in epilepsy in the Middle East and North Africa (MENA) region, to describe the extent and factors associated with its use among patients with epilepsy (PWE), and to recommend how effectively we will be able to reduce this alarming use. MATERIAL AND METHODS: Retrospective literature search from 1945 to December 2019, regarding CAM use in the MENA region, using electronic databases (PubMed, Scopus, Google Scholar, Web of Science). CONCLUSION: The use of CAM and consultation of traditional healers for the treatment of epilepsy has so far been widespread practice for centuries in the MENA region. Lack of health professionals and non-adherence to conventional epilepsy treatment are strongly associated with the use of CAM. Improvement in the level of knowledge of epilepsy among PWE, healthcare professionals, including traditional healers, will educate PWE and their caregivers on potentially unsafe practices and promote adherence to Antiseizure Drugs (ASDs). Additionally, randomized controlled trials are needed to study the role and value of various CAM treatment options in PWEs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,648
Tête enseignante GPT0,482
Écart entre enseignants0,166 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsy ResearchMême sujetComplementary and Alternative Medicine StudiesTravaux en français237 207