Improving the global management of the neurogenic bladder patient: part II.Future treatment strategies
Notice bibliographique
Résumé
BACKGROUND: Patients with neurogenic bladder represent a small fraction of the total overactive bladder population. As a consequence, development of new therapies in this area has largely focused on idiopathic urinary incontinence. The absence of data for patients with neurological disease has far-reaching implications, affecting reimbursement and physicians' willingness to prescribe therapies, and limiting access of potential valuable treatments to patients whose lives are significantly impaired by inadequately managed bladder symptoms. SCOPE: The range of new therapies is increasing. Although many reviews of the overall safety, efficacy and mode of action of such treatments are available, there is limited information on how these treatments will best be used in clinical practice. We considered the current benefits and limitations of the various new licensed and unlicensed therapies and what role each would have in the future management of neurogenic urinary incontinence. CONCLUSIONS: A wide range of new treatments have been investigated for the management of overactive bladder; few, however, have been evaluated extensively in neurogenic urinary incontinence. Further studies are required to determine the optimal dosing regimes and formulations for individual sub-populations of neurogenic bladder patients and to determine the cost-effectiveness of these interventions. With the current experience available, two treatment algorithms for a subset of patients with neurological disease have also been proposed, which suggest at which stage of management and in which patients individual therapies for neurogenic urinary incontinence could be used.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».