Treatment Satisfaction with Sildenafil in a Canadian Real-Life Setting. A 6-Month Prospective Observational Study of Primary Care Practices
Notice bibliographique
Résumé
INTRODUCTION: While the efficacy of sildenafil for the management of erectile dysfunction (ED) has been demonstrated in randomized clinical trials, few data exist on its effectiveness in a real-life setting. AIM: The objective of this study was to examine the treatment satisfaction and effectiveness with sildenafil in a real-life setting in Canada. METHODS: A multicenter, prospective study, using an educational program aimed at optimizing sildenafil treatment, was conducted at 231 primary care sites across Canada. Patients who received their first prescription of sildenafil for ED within the usual practice of medicine were invited to participate in the study. Data were collected through patient self-administered questionnaires. MAIN OUTCOME MEASURES: The Sexual Health Inventory for Men (SHIM) questionnaire was used to determine the erectile function at baseline, month 3 and month 6. Treatment satisfaction at months 3 and 6 was assessed using the Erectile Dysfunction Inventory of Treatment Satisfaction (EDITS) questionnaire. RESULTS: The intent-to-treat population consisted of 2,573 patients. The mean age was 55 years (18 to 92 years). At baseline, the mean SHIM score was 11.9 with 21.7% of men having severe ED, 22.9% moderate ED, 36.5% mild-to-moderate ED, and 16.9% mild ED. At month 3, the mean SHIM score improved significantly to 18.0 (P < 0.0001) and 33.3% of patients had a SHIM score above 21 (no ED). At 6 months, the mean SHIM score was 18.7. At both months 3 and 6, approximately 89% of patients were satisfied with their treatment (i.e., EDITS score >or= 50), suggesting no attenuation of the satisfaction over the 6 months of use. CONCLUSIONS: The effectiveness of sildenafil in the management of ED was demonstrated in a large cohort of men treated in a primary care setting in this Canadian real-life study. Persistence with therapy and lack of attenuation over time among the vast majority of men was shown.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».