Quality of life of Sudanese patients attending a fertility clinic: a mixed methods study
Notice bibliographique
Résumé
Background Infertility affects over 50 million people globally, the burden is disproportionately borne by women, especially in low and middle-income countries (LMIC). The impact of infertility on quality of life (QoL) has not been well documented or assessed qualitatively in LMIC like Sudan, where infertility is a pervasive problem. Therefore, the purpose of this mixed-methods study was to assess the fertility-related QoL of infertile individuals in Sudan using the fertility quality of life (FertiQoL) tool.Methods We used explanatory sequential design (surveys and interviews) in a fertility clinic in Sudan (January 2017–May 2018). We collected socio-demographic information, medical/reproductive history and used Arabic FertiQoL. We generated descriptive statistics of FertiQoL (core, domain) scores and independent variables; multiple linear regression models to assess the relationship between FertiQoL and dependent variables; and t-tests to compare mean core/domain scores. We conducted thematic analysis on qualitative data about the subjective experience of being infertile.Results The study included 102 participants (72 women), 70 educated beyond secondary school, mean age 33.89 years (SD = 7.82) and mean duration of infertility was 4.03 years (SD 3.29). Mean FertiQoL core score 76.02 (SD = 16.26), domain scores: emotional 71.61 (SD = 22.04), relational 78.06 (SD = 16.62), mind/body 74.06 (SD 22.53) and social 78.88 (SD = 18.24). Men had better fertility-related QoL.Four themes emerged A sense of something missing because of childlessness; social pressure from peoples’ questions; impact on the spousal relationship (which differed amongst participants) and coping (faith-based and non-faith-based) which was necessary when the lived experience led to internal distress.Conclusions Infertility negatively impacted the QoL of participants in this study, and women were worse off. Cognitive appraisal, social support and pressure may be key factors influencing the QoL of infertile individuals, therefore they should be encouraged to seek social and professional support. FertiQoL is a useful tool to assess fertility QoL in LMIC like Sudan.
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 | 0,004 | 0,003 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».