Factors affecting post-vasectomy semen analysis compliance in home- and lab-based testing
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
INTRODUCTION: We used a home-based (HB) post-vasectomy semen analysis (PVSA) between 2014 and 2017, but we have since reverted to local lab-based (LB) testing. In this study, we compared PVSA compliance rates in HB and LB test settings and describe factors that may influence completion rates. METHODS: We retrospectively identified patients who underwent vasectomy at our institution. Surgeons X and Y performed vasectomies from 2014-2017 using a HB immunochromatographic PVSA kit. From 2017-2020, surgeon X used a local LB PVSA. We collected data on PVSA completion status and patient demographics to perform two analyses. HB testing was examined by assessing all patients who had a vasectomy from 2014-2017. Another compared HB and LB testing by looking at surgeon X vasectomies from 2014-2017 and 2017-2020. RESULTS: We identified 285 patients who underwent vasectomy from 2014-2017 and were assessed with HB testing. Compliance with PVSA was 35% with HB PVSA. Age at vasectomy, number of children, and surgeon influenced PVSA completion in the 2014-2017 cohort. Surgeon X PVSA completion was 29% for the HB (n=136) testing cohort and 46% for the LB (n=201) cohort (odds ratio 0.47, 95% confidence interval 0.29-0.74). Again, more children decreased PVSA completion. CONCLUSIONS: Compliance with PVSA testing was inadequate in both test settings, although it was significantly higher in local LB setting. Based on these findings, the convenience of HB testing appears to decrease compliance with PVSA, although surgeon factors may be influential. These findings may help surgeons identify factors that improve PVSA compliance rates.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 découle