101 Increasing Public Search Interest in Vaginal Laser Therapy: Changes Over Time and Geography
Notice bibliographique
Résumé
Changes such as vaginal atrophy can impact sexual function with substantial impact on quality of life. Laser therapy is a unique treatment for atrophy, avoiding hormones. Although no data exists, vaginal lasers are promoted for the treatment of urinary incontinence. There is ongoing research as well as public debate on the efficacy and safety of vaginal laser therapy (VLT). To assess online search trends of health information relating to VLT. Google Trends was queried for the term “vaginal laser” to assess relative search volume (RSV) from October 2013 to October 2018. This was compared to “vaginal rejuvenation,” “laser vaginal rejuvenation,” and “vaginal laser for incontinence.” The quality of information available on the internet was assessed using Health On the Net Foundation (HON) certification. The online search data show a trend towards increasing volume for the term “vaginal laser” from 2013 to 2018 The greatest RSV for that search term was during the period of February 2017 (Figure 1), coinciding with a widely publicized showcase held by a well-known cosmetic gynecologic surgeon. Surprisingly, there was not a large spike around the time of the July 30, 2018 FDA safety communication on the use of vaginal lasers. The top 5 US states with the greatest RSV for vaginal laser were Florida (100), Georgia (87), California (69), Texas (68), and New York (67). When compared to related terms, “vaginal rejuvenation” was the most common (25) compared to “vaginal laser” (10), “vaginal laser rejuvenation” (2), and “vaginal laser incontinence” (0). Worldwide the countries with the greatest search volume for vaginal laser were Australia (100), the United States (89), Spain (69), Canada (67) and New Zealand (51). Quality assessment showed only 5% of vaginal laser search Results were HON certified.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,009 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».