Clinical perspectives on the menstrual pictogram for the assessment of heavy menstrual bleeding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Heavy menstrual bleeding (HMB) has an estimated prevalence of 18-32% but is known to be under-reported due to poor recognition and estimation of menstrual blood loss (MBL). HMB can negatively impact quality of life, affecting social interactions, work productivity and sexual life. Abnormal menstrual bleeding may have an underlying structural or systemic cause, such as endometrial and myometrial disorders; however, for some, there is no identified pathological cause. Several methods are available for assessing MBL, including the alkaline hematin (AH) method and the menstrual pictogram (MP). The AH method is considered to be the most accurate way to monitor MBL; however, it is associated with inconvenience and expense, therefore limiting its value outside of research. The MP requires the user to select an icon from a chart that reflects the appearance of a used sanitary product; the icon is associated with a blood volume that can be used to determine MBL. Validation studies have demonstrated that the results of the MP and AH method are well correlated, showing that the MP can measure MBL with sufficient accuracy. Additionally, the MP is more convenient for users, less expensive than the AH method, may be used in regions where the AH method is unavailable and may also be used as part of a digital application. Overall, the MP offers a convenient approach to monitor MBL both in research and clinical practice settings.
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.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle