MétaCan
Menu
Retour à la cohorte
Enregistrement W4241171233 · doi:10.1017/cbo9780511545795.021

Hormone replacement therapy

2000· book-chapter· es· W4241171233 sur OpenAlexaff
Jonathan D. Adachi, Alexandra Papaioannou

Notice bibliographique

RevueCambridge University Press eBooks · 2000
Typebook-chapter
Languees
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésHormone replacement therapy (female-to-male)MedicineEstrogenHormone therapyEstrogen replacement therapyGenitourinary systemBreast cancerMenopauseGynecologyIntensive care medicineCancerInternal medicineTestosterone (patch)

Résumé

récupéré en direct d'OpenAlex

The effects of hormone replacement therapy (HRT) on bone cannot be discussed in isolation, and the risks and benefits of therapy must be addressed as they relate to each individual. Hormone replacement therapy has been shown to have a positive impact on bone mineral density (BMD) in all areas of the skeleton that have been studied and has been shown to reduce the risk of osteoporotic fractures. Positive effects of estrogen on the cardiovascular system have also been reported; however, more recently there is evidence to the contrary. The association of unopposed estrogen therapy to uterine cancer is established and it is felt that the addition of a progestational agent reduces that risk. The potential association of estrogen therapy with increased risk of breast cancer remains an area of controversy. However, it is likely that there is a slight increase in risk. HRT unequivocally aids with menopausal symptoms and is the reason most women consider it. Hot flashes, flushes, and urogenital symptoms may be improved with HRT. Recent suggestions that associate improved memory with HRT are encouraging, but require further study. As is evident, the amount of information that needs to be assimilated by both patient and physician is formidable, making the decision to commence HRT a difficult one. This chapter is an attempt to summarize a very complex and changing area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,377

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1130,058

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,225
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetHormonal and reproductive studiesTravaux en français237 207