Patient-Specific Pessaries for Pelvic Organ Prolapse Using Three-Dimensional Printing: A Pilot Study
Notice bibliographique
Résumé
IMPORTANCE: Vaginal pessaries are an effective nonsurgical treatment for pelvic organ prolapse (POP) when properly fitted. However, pessary fitting and use are often unsuccessful or imperfect. OBJECTIVE: The objective of this study was to assess the feasibility of using patient-specific pessaries fabricated from three-dimensional (3D)-printed molds to improve POP symptoms and increase overall satisfaction of pessary treatment in patients using standard vaginal pessaries. STUDY DESIGN: Patients undergoing POP treatment with standard vaginal pessaries were enrolled in this pilot prospective study. Patient-specific pessaries were designed and fabricated for each patient using patient input, physician input, and anatomic measurements from clinical assessment. Pessary fabrication involved injection of biocompatible liquid silicone rubber into 3D-printed molds followed by a biocompatible silicone coating. Pelvic organ prolapse symptomatic distress and pessary treatment satisfaction were evaluated before and after a 3-week patient-specific pessary home trial using the validated Pelvic Organ Prolapse Distress Inventory-6 form and a visual analog scale, respectively. RESULTS: Eight women were included in this study. Changing from standard pessary to patient-specific pessary treatment was associated with an improvement in prolapse symptoms on the Pelvic Organ Prolapse Distress Inventory-6 (median change, -3.5; interquartile range, -5 to -2.5; P = 0.02) and an increase in overall pessary satisfaction on a visual analog scale (median change, +2.0; interquartile range, +1.0 to +3.0; P = 0.02). All patients reported either an improvement or no change in pessary ease of use, comfort, and the feeling of support provided by the pessary. CONCLUSION: Patient-specific vaginal pessaries are a promising alternative to standard pessaries for alleviating POP symptoms and improving patient satisfaction with pessary use.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».