Correlates of PDE5i Use Among Subjects with Erectile Dysfunction in Two Population-Based Surveys
Notice bibliographique
Résumé
INTRODUCTION: Erectile dysfunction (ED) is thought to affect some 150 million men worldwide, but many men with ED symptoms do not seek treatment. Existing surveys suggest that men with severe ED and who report support from their partners are more likely to receive treatment than were others. Less is known, however, concerning the influence of sociomedical factors such as income and body composition on receipt of treatment. AIM: The aim of this study was to determine the importance of socioeconomic status, comorbidities, and body composition on receipt of treatment for ED symptoms. METHODS: We used data on 638 men enrolled in the Boston Area Community Health (BACH) survey reporting ED symptoms and/or treatment for ED as evidenced by phosphodiesterase type 5 inhibitor (PDE5i) use. Logistic regression was employed to assess the relative strength of association between receipt of treatment and socioeconomic factors, body mass index, and medical factors. A replication of these results was then provided via a parallel model using the 2004 follow-up of the Men's Attitudes to Life Events and Sexuality (MALES). MAIN OUTCOME MEASURE: In BACH, ED was deemed present if a subject scored 16 points or fewer on the five-item International Index of Erectile Function or reported PDE5i use. In MALES, presence of ED was indicated by use of a validated single question querying ED severity. RESULTS: Controlling for age, body composition and other factors, increased household income, availability of a sexual partner, and provider diagnosis of high blood pressure were positively associated with treatment seeking via the use of PDE5i therapy in BACH. Results on data available in MALES produced similar results for household income and partner availability. CONCLUSION: These data provide evidence that financial disadvantage may present a barrier to treatment of ED, an increasingly important sentinel marker of the cardiovascular and overall health among aging men.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».