Assessing the efficacy of pelvic floor muscle training and duloxetine on urinary continence recovery following radical prostatectomy: A randomized clinical trial
Notice bibliographique
Résumé
BACKGROUND: Urinary incontinence (UI) can negatively impact quality of life (QoL) after robot-assisted radical prostatectomy (RARP). Pelvic floor muscle training (PFMT) and duloxetine are used to manage post-RARP UI, but their efficacy remains uncertain. We aimed to investigate the efficacy of PFMT and duloxetine in promoting urinary continence recovery (UCR) after RARP. METHODS: A randomized controlled trial involving patients with urine leakage after RARP from May 2015 to February 2018. Patients were randomized into 1 of 4 arms: (1) PFMT-biofeedback, (2) duloxetine, (3) combined PFMT-biofeedback and duloxetine, (4) control arm. PFMT consisted of pelvic muscle exercises conducted with electromyographic feedback weekly, for 3 months. Oral duloxetine was administered at bedtime for 3 months. The primary outcome was prevalence of continence at 6 months, defined as using ≤1 security pad. Urinary symptoms and QoL were assessed by using a visual analogue scale, and validated questionnaires. RESULTS: From the 240 patients included in the trial, 89% of patients completed 1 year of follow-up. Treatment compliance was observed in 88% (92/105) of patients receiving duloxetine, and in 97% (104/107) of patients scheduled to PFMT-biofeedback sessions. In the control group 96% of patients had achieved continence at 6 months, compared with 90% (p = 0.3) in the PMFT-biofeedback, 73% (p = 0.008) in the duloxetine, and 69% (p = 0.003) in the combined treatment arm. At 6 months, QoL was classified as uncomfortable or worse in 17% of patients in the control group, compared with 44% (p = 0.01), 45% (p = 0.008), and 34% (p = 0.07), respectively. Complete preservation of neurovascular bundles (NVB) (OR: 2.95; p = 0.048) was the only perioperative intervention found to improve early UCR. CONCLUSIONS: PFMT-biofeedback and duloxetine demonstrated limited impact in improving UCR after RP. Diligent NVB preservation, along with preoperative patient and disease characteristics, are the primary determinants for early UCR.
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 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 | 0,006 | 0,006 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».