Nonhormonal drug use and its relation to androgens in perimenopausal women
Notice bibliographique
Résumé
OBJECTIVE: To outline the prevalence of nonhormonal drug use in middle-aged women and to assess plausible associations between serum androgen levels and variables associated to health such as drug use and planned visits to healthcare units. METHODS: This was a population-based study of women aged 50 to 59 years (n = 6,893). Women were divided into three groups according to their menopause status: premenopausal (PM), postmenopausal without hormone therapy (PM0), and postmenopausal with hormone therapy (PMT). Data regarding current drug use and healthcare visits were collected from a questionnaire. RESULTS: The overall prevalence of nonhormonal drug use was 36.4% in all women. In the PM, PM0, and PMT groups, these percentages were 28.3%, 35.3%, and 39.3%, respectively, and the differences between them were statistically significant (P < 0.01). In all women, the most common medication used was for cardiovascular conditions (12.0%), followed by those for asthma (4.0%) and pain (3.7%). The number of drugs used by all women and women in the PM0 and the PMT groups were negatively associated with the serum levels of androstenedione (P < 0.05). In the postmenopausal groups, the number of visits to healthcare units was negatively associated to the levels of serum testosterone and androstenedione (P < 0.05). CONCLUSIONS: Hormone therapy in postmenopausal women seems to be associated with increased use of nonhormonal pharmacotherapy, rendering higher prevalence of such drugs in middle-aged women. Postmenopausal women with lower serum testosterone and a higher number of office visits used medications for cardiovascular problems and depression more than other medications. Whether this is an effect related to the hormone therapy itself or to experiencing more perimenopausal symptoms in this group of women is still unclear.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 ».