Do Women have Adequate Knowledge about Pelvic Floor Dysfunctions? A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: We sought to investigate whether women present adequate knowledge of the main pelvic floor disorders (PFDs) (urinary incontinence - UI, fecal incontinence - FI, and pelvic organ prolapse - POP). DATA SOURCES: A systematic review was performed in the MEDLINE, PEDro, CENTRAL, and Cochrane databases for publications from inception to April 2018. SELECTION OF STUDIES: A total of 3,125 studies were reviewed. Meta-analysis was not possible due to the heterogeneity of primary outcomes and the diversity of instruments for measuring knowledge. The quality of the articles included in the analysis was evaluated with the Newcastle-Ottawa Scale (NOS) adapted for cross-sectional studies. DATA COLLECTION: Two authors performed data extraction into a standardized spreadsheet. DATA SYNTHESIS: Nineteen studies were included, comprising 11,512 women. About the methodological quality (NOS), most of the studies (n = 11) presented a total score of 6 out of 10. Validated questionnaires and designed pilot-tested forms were the most frequently used ways of assessing knowledge. Some studies were stratified by race, age, or group minorities. The most used questionnaire was the prolapse and incontinence knowledge questionnaire (PIKQ) (n = 5). Knowledge and/or awareness regarding PFD was low to moderate among the studies. Urinary incontinence was the most prevalent PFD investigated, and the most important risk factors associated with the lack of knowledge of the pelvic floor were: African-American ethnicity (n = 3), low educational level (n = 4), low access to information (n = 5) and socioeconomic status (n = 3). CONCLUSION: Most women have a gap in the knowledge of pelvic floor muscle dysfunctions, do not understand their treatment options, and are not able to identify risk factors for these disorders.
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 | 0,012 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».