Sex Hormone Status in Women With Chronic Kidney Disease: Survey of Nephrologists’ and Renal Allied Health Care Providers’ Perceptions
Notice bibliographique
Résumé
Background: Chronic kidney disease (CKD) in reproductive-age women is accompanied by menstrual and fertility disorders and premature menopause. Objective: We sought to determine nephrologists’ and allied health care providers’ perceptions on management of sex hormone status in women with CKD. Methods: An anonymous, Internet-based survey was sent to nephrology society members from Canada, Australia, New Zealand, and the United Kingdom, and the Canadian Association of Nephrology Nurses and Technologists (February-November 2015). We assessed reported perceptions and management of sex hormone status in women with CKD. Results: One hundred seventy-five nephrologists (21% response rate) and 121 allied health care providers (30%; 116 nurses, 5 pharmacists) responded. Sixty-eight percent of nephrologists and 46% of allied providers were between the ages of 30 and 50 years, and 38% of nephrologists and 89% of allied workers were female. Ninety-five percent of nephrologists agreed that kidney function impacts sex hormone status, although only a minority of nephrologists reported often discussing fertility (35%, female vs male nephrologists, P = .06) and menstrual irregularities with their patients (15%, female vs male nephrologists, P = .02). Transplant nephrologists reported discussing fertility more often than did nontransplant nephrologists (53% vs 30%, P = .03). Physicians were more likely to report discussing fertility (33% vs 7.5%, P < .001) and menstrual irregularities (15% vs 9%, P = .04) with patients than allied health care providers. Forty-three percent of physicians reported uncertainty about the role for postmenopausal hormone therapy in women with CKD. Conclusion: Nephrologists and allied health care providers recognize an impact of CKD on sex hormones in women but report not frequently discussing sex hormone–related issues with patients. Our international survey highlights an important knowledge gap in nephrology.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».