Multiple sclerosis and lower urinary tract symptoms: A survey of prevalence, characteristic and urological evaluations
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
Objective: Most multiple sclerosis patients have urological complications such as lower urinary tract symptoms. This study was conducted to evaluate the prevalence of these symptoms and whether they result in a urological evaluation. Methods: A cross-sectional study of 517 multiple sclerosis patients at Tehran’s referral multiple sclerosis center and neurology clinics between 2018 and 2022 was performed. Data were collected through interviews after patients completed informed consent forms. Urological examinations, including urine analysis and ultrasonography, were evaluated as final assessments. The data were analyzed using descriptive and inferential statistical tests in Statistical Package for Social Science. Results: Among all participants, the prevalence of lower urinary tract symptoms was 73% ( n = 384), with urgency (44.8% n = 232) being the most common symptom. The prevalence of intermittency was significantly higher among women ( p = 0.004). There was no gender-significant difference in terms of the prevalence of other symptoms ( p > 0.050). Lower urinary tract symptoms were significantly correlated with age, clinical course, disease duration, and disability ( p < 0.001). Additionally, 37.3% and 18.7% of patients with lower urinary tract symptoms, as well as 17.9% and 37.5% of patients with multiple sclerosis attacks, respectively, had undergone urine analysis and ultrasonography. Conclusion: Multiple sclerosis patients rarely undergo urological evaluations during the course of their disease. Proper assessment is essential as these symptoms are among the most detrimental manifestations of this disease.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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