Traditional, complementary and integrative medicine use among Indigenous peoples with diabetes in Australia, Canada, New Zealand and the United States
Notice bibliographique
Résumé
t is well documented that Indigenous peoples in Australia, Canada, New Zealand and the United States (US) experience higher rates of diabetes 1 and higher mortality rates from diabetes than their non-Indigenous counterparts. ] ople with diabetes are increasingly using complementary medicines alongside conventional diabetes care to improve their overall wellbeing. The World Health Organization (WHO) defines complementary medicines as referring "to a broad set of health care practices that are not part of that country's own tradition or conventional medicine and are not fully integrated into the dominant health-care system". Complementary medicine refers to healthcare, either self-administered or practitioner-led, and examples include massage, chiropractic and western herbal medicine. digenous culture, customs and lore often include traditional forms of healing to enhance health and wellbeing through reconnection to land, spiritual and ancestral roots. Examples of traditional healing practices and medicines include singing/chanting, ceremonies, bush medicine, traditional healers and external remedies. The WHO defines traditional medicine as "knowledge, skill, and practices based on the theories, beliefs, and experiences indigenous to different cultures, whether explicable or not, used in the maintenance of health". These traditional medicines and practices are usually unregulated and operate outside the public healthcare system, while complementary medicine refers to healthcare, both selfadministered or practitioner-led. The integration of these traditional knowledges in Primary Health Care has been posited as an important part in moving forward toward health equity globally. Indeed,
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».