Different types of tumors in perimenopausal women presenting with ovarian masses at A Tertiary Care Hospital.
Notice bibliographique
Résumé
Objectives: To determine frequency of benign and malignant tumors among perimenopausal women presenting with ovarian masses at a tertiary care Hospital. Study Design: Descriptive Cross Sectional study. Setting: Department of Obstetrics & Gynecology, Jinnah Hospital, Lahore. Period: Six Months from August 2017 to January 2018. Material & Methods: A total 127 premenopausal females with ovarian masses visiting Obstetrics & Gynaecology Department, Jinnah Hospital, Lahore were selected. After detailed medical history and clinical examination patients underwent ultrasonography to diagnose status of ovarian masses. Data was entered in self-made proforma. Results: Total 127 patients were selected. Mean age of cases was 48.87 ± 3.04 years, with mean BMI of 26.52±2.43 kg/m2 and obese patients were 30.7%. Out of all 73.2% patients had benign masses and 26.8% patients had malignant masses. Obesity and family history were significantly correlated with malignant tumors among premenopausal women having ovarian masses p-value 0.001. Conclusion: It was observed that the malignant tumors are frequently linked to pre-menopausal women with ovarian masses. Obese and family history positive patients are on high risk of malignant tumors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».