Advancing Supportive Cancer Care: A Survey of Naturopathic Doctors to Identify Practice Patterns, Knowledge Gaps and Resource Needs
Notice bibliographique
Résumé
Background: Clinical guidance for naturopathic doctors (NDs) in supportive cancer care is limited, highlighting a potential need for resource development.Objectives: Describe naturopathic practice, identify oncology-related knowledge gaps, and determine preferred clinical resources. Methods: A 40-item online survey was distributed to NDs through naturopathic associations, social media, and informal networking. Questions varied based on whether respondents provided cancer care (“cancer stream”) or not (“general stream”). The survey ran from September 2023 to March 2024. Data analysis included frequency distributions and descriptive statistics. Results: Among 149 eligible responses, 62% practiced in Canada, 36% in the United States, and 2% elsewhere. The cancer stream (n = 99) primarily worked in community settings, offered hybrid care, and did not exclusively treat cancer patients. The largest knowledge gaps were related to intravenous (IV) green tea extract and curcumin, photodynamic and ozone therapy, managing tinnitus, and interactions between naturopathic interventions and stem cell transplants and photodynamic therapy. Time constraints were the main barrier to addressing knowledge gaps. The smallest gaps were reported for exercise counselling, the Mediterranean diet, IV vitamin C, vitamin/mineral infusions, and managing constipation, anxiety, diarrhea, fatigue, hot flashes, and depression. In total, 97% supported the development of clinical resources, with no format preference. In the general stream, 58% indicated that additional training would increase their likelihood of offering cancer care. Conclusion: This survey highlights oncology-related knowledge gaps, which were generally highest for less commonly used and studied therapies, and strong clinician support for resource development. Varied resource formats may accommodate different learning styles and improve dissemination.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».