Notice bibliographique
Résumé
OBJECTIVE: To review current knowledge about the epidemiology, etiology, diagnosis, and treatment of interstitial cystitis, with special emphasis on management of this condition by family physicians. QUALITY OF EVIDENCE: Articles were identified through MEDLINE and review of abstracts presented at Urology and Interstitial Cystitis meetings during the last decade. Recent reviews were further searched for additional studies and trials. Data were summarized from large epidemiologic studies. Etiologic theories were extracted from current concepts and reviews of scientific studies. Diagnostic criteria described in this review are based on clinical interpretation of National Institutes of Health (NIH) research guidelines, interpretation of data from the NIH Interstitial Cystitis Cohort Study, and recent evidence on use of the potassium sensitivity test. Treatment suggestions are based on six randomized placebo-controlled clinical treatment trials and best available clinical data. MAIN MESSAGE: Interstitial cystitis affects about 0.01% to 0.5% of women. Its etiology is unknown, but might involve microbiologic, immunologic, mucosal, neurogenic, and other yet undefined agents. The diagnosis of interstitial cystitis is a diagnosis of exclusion. It is impossible to provide a purely evidence-based treatment strategy, but review of available evidence suggests that conservative supportive therapy (including diet modification); oral treatment with pentosan polysulfate, amitriptyline, or hydroxyzine; and intravesical treatments with heparinlike medications, dimethyl sulfoxide, or BCG vaccine could benefit some patients. CONCLUSION: Family physicians should have an understanding of interstitial cystitis and be able to make a diagnosis and formulate an evidence-based treatment strategy for their patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».