Prevalence of erectile dysfunction in male survivors of cancer: a systematic review and meta-analysis of cross-sectional studies
Notice bibliographique
Résumé
BACKGROUND: Prevalence of erectile dysfunction (ED) in male survivors of cancer across cancer types has not been systematically analysed. AIM: To estimate the prevalence of ED in all types of cancer and identify characteristics associated with ED in survivors of cancer. DESIGN AND SETTING: Systematic review and meta-analysis (MA) of cross-sectional studies. METHOD: MEDLINE, CINAHL, PsycINFO, and EMBASE were searched, targeting reports published from inception to 1 February 2020. All retrospective or prospective studies reporting prevalence of ED in male patients with cancer and using a validated tool for detection of ED were included. A random-effects MA model was used to pool prevalence of ED as absolute estimates at three different stages, that is, 'healthy', 'at diagnosis', and 'after treatment'. A univariate MA regression including the three-level group variable as the only independent variable was used to assess the difference in ED prevalence across the three groups. Further MAs were conducted for studies involving patients at diagnosis and after treatment, and statistical inferences were made with setting for multiple testing controlling for a false discovery rate (FDR) <0.05. RESULTS: In total, 1301 studies were assessed for inclusion. Of these, 141 were potentially eligible and subsequently scrutinised in full text. Finally, 43 studies were included with a total of 13 148 participants. Overall, pooled data of the included studies showed an ED prevalence of 40.72% (95% confidence interval [CI] = 31.80 to 50.29) in patients with cancer, with prevalences of 28.60% (95% CI = 12.10 to 53.83) at time of diagnosis and 42.70% (95% CI = 32.97 to 53.03) after treatment, with significant difference between these two stages and across cancer locations, controlling for an FDR <0.05. CONCLUSION: Erectile dysfunction was particularly high in male survivors of cancer and was associated with cancer treatment, cancer site, and age.
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 | 0,020 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,035 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».