A239 MOTIVATIONS BEHIND CAM USE IN PATIENTS WITH CROHN'S DISEASE AND ULCERATIVE COLITIS
Notice bibliographique
Résumé
Abstract Background Complementary and alternative medicine (CAM) use is common in IBD patients and impacts compliance with conventional treatment. Gastroenterologists should understand the motivational factors of CAM use—factors that push patients away from standard therapy or pull towards CAM. Our study describes the motivations behind CAM use for IBD and evaluates differences between CD and UC patients. Aims To compare the motivations behind CAM use between CD and UC patients. Methods Retrospective cohort survey of patients over 18 years old with IBD, evaluated by gastroenterologists at a tertiary care referral centre from January 1 to December 31, 2019. Only patients that reported CAM use were included. Chi-square and independent t-tests were performed and p-value ampersand:003C0.05 was significant. Results Of the 230 completed surveys, 193 reported CAM use (CD:57.5% & UC:42.5%). Demographics, disease duration and hospitalizations were similar, but CD patients had lower SIBDQ scores (CD:48.1 & UC:53.5 pampersand:003C0.001). Both groups were largely influenced by their social network to use CAM (CD:33% & UC:31.3%) and did not feel well informed of CAM (87.4%). CD and UC patients had similar push and pull factors. Push factors included lack of improvement (39%) and side effects (20%) with conventional treatment. Pull factors included the desire for a holistic approach (21%) and to improve mood (35%). Most patients hoped fatigue 62.7%, diarrhea 61.7% and abdominal pain 58.0% would improve with CAM. Conclusions Despite differences in QoL, push and pull motivations for CAM use do not differ between CD and UC patients. Most users do not feel well informed of CAM and ongoing dialogue is important for patient-centred care. Table 1: Characteristics of CAM use Funding Agencies None
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 ».