Substance abuse effects on urinary tract: methamphetamine and ketamine
Notice bibliographique
Résumé
INTRODUCTION: Ketamine is known to cause urinary tract dysfunction. Recently, methamphetamine (MA) abuse has become a growing problem in Asia. We investigated the symptomatology and voiding function in patients who abused MA and ketamine and compared their urinary tract toxicity profiles. METHODS: In the period of 23 months from 1 October 2016, all consecutive new cases of patients presenting with MA- or ketamine-related urological disorder were recruited into a prospective cohort. Polysubstance abuse patients were excluded. Data were analysed by comparison between patients with ketamine abuse and MA abuse. Basic demographic data and initial symptomatology were recorded, and questionnaires on urinary symptoms and the Montreal Cognitive Assessment (MoCA) were used as assessment tools. RESULTS: Thirty-eight patients were included for analysis. There was a statistically significant difference in mean age between patients with MA and ketamine abuse (27.2 ± 7.2 years and 31.6 ± 4.8 years, respectively, P=0.011). Urinary frequency was the most common urological symptom in our cohort of patients. There was a significant difference in the prevalence of dysuria (ketamine 43.5%, MA 6.7%, P=0.026) and a significant trend in the difference in hesitancy (ketamine 4.3%, MA 26.7%, P=0.069). Overall, questionnaires assessing urinary storage symptoms and voiding symptoms did not find a statistically significant difference between the two groups. The MoCA revealed that both groups had cognitive impairment (ketamine 24.8 ± 2.5, MA 23.6 ± 2.9, P=0.298). CONCLUCSIONS. Abuse of MA caused urinary tract dysfunction, predominantly storage symptoms. Compared with ketamine abuse, MA abuse was not commonly associated with dysuria or pelvic pain.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».