MétaCan
Menu
Retour à la cohorte
Enregistrement W2984115481 · doi:10.36740/wlek201906102

THE RISK FACTORS OF DYSMENORRHEA IN YOUNG WOMEN

2019· article· en· W2984115481 sur OpenAlexaff
Donata Saulė Vilšinskaitė, Greta Vaidokaitė, Žygimantas Mačys, Žana Bumbulienė

Notice bibliographique

RevueWiadomości Lekarskie · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMenstrual Health and Disorders
Établissements canadiensDalhousie UniversityCape Breton Regional Hospital
Organismes subventionnairesnon disponible
Mots-clésMenarcheMedicineMenstrual cycleObstetricsBody mass indexMenstruationParity (physics)Menstrual bleedingGynecologyDemographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The Aim: To evaluate risk factors for dysmenorrhea in women of reproductive age and to review its characteristics. PATIENTS AND METHODS: Material and Methods: A questionnaire was conducted among 354 women followed by a statistical analysis of the gathered data. RESULTS: Results: Among the interviewed women 84.2 % suffer from painful menstruations. Women under 25 years of age are more likely to experience pain, which reduces with age. Dysmenorrhea is more common among women whose menstrual cycles are irregular (92.5%) with a number of bleeding days 4-7 (90.7 %), though still occurring within the normal 21-35 days interval (87.6 %). Nulliparous women are more likely to experience menstrual pain (89.9 %). CONCLUSION: Conclusion: Dysmenorrhea depends on women's age, length of menstrual bleeding, length of menstrual cycle and its regularity, age at menarche and parity, but does not depend on body mass index and smoking status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,024
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,271
Écart entre enseignants0,262 · 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 tête enseignante, 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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiadomości LekarskieMême sujetMenstrual Health and DisordersTravaux en français237 207