MétaCan
Menu
Retour à la cohorte
Enregistrement W4386927155 · doi:10.6000/1929-6029.2023.12.16

Dysmenorrhea Impact and Insights: A Statistical Analysis among Allied Health Professional Students in West Bengal, India

2023· article· en· W4386927155 sur OpenAlexvenueno aff
Haimanti Goswami, Debolina Kumar, Swarnava Biswas

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMenstrual Health and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWest bengalMenstruationDescriptive statisticsMedicineFamily medicineAlternative medicineData collectionPsychologyDemographySocial scienceSocioeconomicsPathologySociology

Résumé

récupéré en direct d'OpenAlex

Introduction: Dysmenorrhea is a prevalent gynecological disorder that is characterized by the presence of unpleasant menstrual cramps. This condition has been found to have significant medical, psychological, and social implications for individuals who experience it. Although commonly seen as an inherent characteristic of a properly functioning reproductive system, it can potentially operate as a diagnostic tool for underlying illnesses. Regrettably, dialogues pertaining to dysmenorrhea are sometimes prohibited, particularly among males, within diverse cultural contexts.
 Objective: The primary objective of this study is to evaluate the level of knowledge and attitudes among allied health professions students enrolled at various universities of West Bengal (WB), India with regard to dysmenorrhea. This study aims to examine the impact of cultural variables on the knowledge and communication surrounding dysmenorrhea, specifically within conservative Indian districts.
 Methods: The study sample consisted of 494 students enrolled in allied health professions faculties at different universities of WB. Data collection took place from September 2021 to February 2023. A meticulously designed survey was employed to gather data pertaining to the various sources of knowledge, levels of awareness, attitudes toward discussing dysmenorrhea, and willingness to engage in conversations about menstruation with prospective females. Data interpretation involved the utilization of statistical analysis techniques, such as descriptive statistics and correlation analysis.
 Results: In terms of demographic composition, the study consisted of 86% female participants and 14% male participants. The mean knowledge scores of females (14.41 ± 3.14) were found to be considerably higher compared to males (13.75 ± 4.56). The primary sources of information were the internet (58.3%), maternity figures (48.8%), and educational institutions (46.2%). An observed positive connection (r = 0.244) was found between age and knowledge levels. The participants exhibited a general hesitancy to openly engage in conversations on menstrual symptoms, however, they demonstrated a readiness to engage in discussions about menstruation with their prospective daughters.
 Conclusions: The present study brings attention to the gender discrepancies in knowledge levels pertaining to dysmenorrhea among allied health professions university students of WB. Additionally, it emphasizes the influence of cultural norms on knowledge acquisition and communication around this topic. The statement underscores the need for destigmatization initiatives, comprehensive teaching on menstruation health, and fostering open communication within academic institutions and the broader community. The aforementioned findings offer valuable insights that can inform future educational endeavors and healthcare procedures within this particular subject.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,572
Écart entre enseignants0,504 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetMenstrual Health and DisordersTravaux en français237 207