Let's Talk Period! Preliminary results of an online bleeding awareness knowledge translation project and bleeding assessment tool promoted on social media
Notice bibliographique
Résumé
INTRODUCTION: Undiagnosed bleeding disorders are common and can pose significant health risks, especially for women. Recently, a self-administered bleeding assessment tool (Self-BAT) was validated in von Willebrand disease. AIM: To increase awareness of undiagnosed bleeding disorders through the use of an informational website (http://letstalkperiod.ca) targeted at women in their reproductive years. METHODS: The Let's Talk Period website was built in consultation with a medical communications company and focus groups of women, with the aim of clearly presenting key messages around menstrual bleeding. The website was promoted through social media and local and national interviews. Upon completion of the online Self-BAT available at http://letstalkperiod.ca, the result is displayed to the user along with a recommendation to seek medical attention if the score is abnormal. RESULTS: During the initial 3-month period, there were 5158 page views from 64 countries. A total of 489 individuals, 95% female, completed the online Self-BAT. The mean Self-BAT score was 6, range 0-44. Abnormal Self-BAT scores were reported in 45% of the respondents, of whom 96% were female. The most commonly reported bleeding symptoms were menorrhagia (98%) and postpartum haemorrhage (82%). Bleeding symptoms were similar across different geographical areas. CONCLUSION: An online screening tool is an effective method of identifying individuals concerned with abnormal bleeding. A significant portion of the general population report experiencing symptoms of abnormal bleeding. In women, the most frequently reported bleeding symptoms were menorrhagia and postpartum haemorrhage.
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) | 0,001 | 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) | 0,000 | 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 ».