Crowdfunding for Complementary and Alternative Cancer Treatments in Tijuana, Mexico: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Complementary and alternative (CAM) cancer treatment is often expensive and not covered by insurance. As a result, many people turn to crowdfunding to access this treatment. OBJECTIVE: The aim of this study is to identify the rationales of patients with cancer seeking CAM treatment abroad by looking specifically at crowdfunding campaigns to support CAM cancer treatment in Tijuana, Mexico. METHODS: We scraped the GoFundMe.com and GiveSendGo.com crowdfunding platforms for campaigns referencing CAM cancer clinics in Tijuana, initiated between January 1, 2022, and February 28, 2023. The authors created a coding framework to identify rationales for seeking CAM treatment in Tijuana. To supplement campaign metadata, we coded the beneficiary's cancer stage, type, age, specific treatment sought, whether the beneficiary died, gender, and race. RESULTS: Patients sought CAM cancer treatment in Tijuana because the (1) treatment offers the greatest efficacy (29.9%); (2) treatment offered domestically was not curative (23.2%); (3) the clinic treats the whole person, and addresses the spiritual dimension of the person (20.1%); (4) treatments are nontoxic, natural, or less invasive (18.2%); and (5) clinic offers the newest technology (8.5%). Campaigns raised US $5,275,268.37 and most campaign beneficiaries were women (69.7%) or White individuals (71.1%). CONCLUSIONS: These campaigns spread problematic misinformation about the likely efficacy of CAM treatments, funnel money and endorsements to CAM clinics in Tijuana, and leave many campaigners short of the money needed to pay for CAM treatments while costing beneficiaries and their loved one's time, privacy, and dignity. This study affirms that Tijuana, Mexico, is a very popular destination for CAM cancer treatment.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».