Medical conditions, medications, and urinary incontinence. Analysis of a population-based survey.
Notice bibliographique
Résumé
OBJECTIVE: To assess associations between various medical conditions and drug treatments and reports of urinary incontinence. DESIGN: Secondary analysis of responses to the second wave of the National Population Health Survey (NPHS). Odds ratios were calculated using survey-weighted multiple logistic regression; confidence intervals were calculated using bootstrap methods. SETTING: Canadian households in all 10 provinces, as assessed by Statistics Canada's NPHS. PARTICIPANTS: From among respondents to the NPHS, the 54,920 people aged 30 years or older. MAIN OUTCOME MEASURES: Responses to the question "Do you have urinary incontinence diagnosed by a health professional?" and analysis of variables related to medical conditions and medications. RESULTS: Urinary incontinence was associated with strokes, arthritis, and back problems in both sexes. Odds ratios for incontinence were elevated among men and women who reported having asthma. Narcotics and diuretics were strongly associated with incontinence in both sexes. Psychoactive medications were associated with incontinence in women; antidepressants were associated with incontinence in men. CONCLUSION: Physicians should consider the possibility that patients with common conditions, such as arthritis, back problems, or respiratory conditions associated with coughing, might also have urinary incontinence. Physicians should also be aware that urinary incontinence might be a side effect of therapies and make relevant inquiries. Medications associated with incontinence could be changed.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».