MétaCan
Menu
Retour à la cohorte
Enregistrement W2888606526 · doi:10.4103/gmit.gmit_57_18

Effect of vaginal estriol use in total laparoscopic hysterectomy with gonadotropin-releasing hormone agonist therapy

2018· article· en· W2888606526 sur OpenAlexaboutno aff
Go Hirata, Hiroshi Yoshida, Atsuko Furuno, Masakazu Kitagawa, Hideya Sakakibara

Notice bibliographique

RevueGynecology and Minimally Invasive Therapy · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueUterine Myomas and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAgonistGonadotropin-releasing hormone agonistEstriolHysterectomyUrologyGynecologyHormoneGonadotropin-releasing hormoneInternal medicineSurgeryReceptorLuteinizing hormone

Résumé

récupéré en direct d'OpenAlex

Study Objectives: The aim of this study is to evaluate the effects of vaginal estriol therapy in total laparoscopic hysterectomy (TLH) with gonadotropin-releasing hormone agonist (GnRH-a) treatment.Design: Retrospective analysis.Design Classification: Canadian Task Force classification II-2.Settings: Department of Gynecology, Yokohama City University Medical Center, Japan.Methods: We retrospectively investigated 50 fibroid cases that had TLH with preoperative GnRH-a treatment and compared the surgical outcome with or without vaginal estriol use (1mg). Estriol was used administered for two weeks before TLH. Measurements and Main Results: A total of 12 patients (27%) received vaginal estriol (1 mg) for 14 days before TLH. As a result of vaginal estriol treatment, there were no group differences in uterus size reduction with GnRH-a treatment (22% vs. 15%, P = 0.20), uterine removal time through the vagina (12.5 min vs. 18.5 min, P = 0.18), rate of vaginal dehiscence (3% vs. 0%, P = 0.76) or in the rate of perineal laceration (33% vs. 34%, P = 0.55).Conclusion: The use of vaginal estriol treatment before TLH with GnRH-a therapy did not improve surgical outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,273
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGynecology and Minimally Invasive TherapyMême sujetUterine Myomas and TreatmentsTravaux en français237 207