Medical management prior to hysterectomy for benign indications: Trends from a tertiary-care centre
Notice bibliographique
Résumé
Objective: Women historically had a hysterectomy for benign gynaecological indications (fibroids, abnormal uterine bleeding, pelvic organ prolapse and chronic pelvic pain).Multiple effective medical therapies now exist for all of these indications, with variable use.As various provinces in Canada move towards a quality-based model of funding, this study aimed to understand trends in usage of these medical therapies prior to proceeding to hysterectomy to identify potential areas for quality improvement.Methods: A retrospective chart review was conducted of all hysterectomies performed for benign indications over a 6-month period at a tertiary care institution focusing on three major areas: medical management prior to proceeding to hysterectomy (how many therapies tried and for how long), pre-operative optimization once hysterectomy was decided and surgical approach (vaginal, laparoscopic or abdominal).Results: Thirteen percent of women did not have documentation of receiving any counseling about alternative medical therapies.When women were counseled regarding one or more medical therapies, 30% declined to try any of the options and 57% tried at least one.Only 19.9% of women tried more than one form of medical management prior to proceeding to hysterectomy. Conclusion:Our study indicates that medical management is not being adequately discussed, trialed, and documented in women undergoing hysterectomy for benign indications
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».