Etiological Factors Affecting Female Sexuality: A Systematic Review
Notice bibliographique
Résumé
Introduction: Evidence suggests that masturbation, genital stimulation, body awareness and movement, pelvic floor exercises, depression, anxiety, positive and negative feelings, personality type, emotional and overall well-being and emotional intelligence have been studied in association with female orgasm through the years. Additionally, healthcare providers of sexual health and most women lack information regarding sexual satisfaction and reaching orgasm. Few studies have addressed this issue. Aim: To systematically study the effect of social, behavioral, and psychological factors on female orgasm. Methods: An extensive search was conducted in PubMed, CINAHL, Google Scholar and Scopus, according to the Preferred Reporting Items for Systematic Review and Meta-Analysis Statement (PRISMA) guidelines, for relevant articles published between June 2002 and June 2022. Studies in languages other than English were excluded. The following Medical Subject Headings (MeSH) terms were used: female, orgasm, psychological, behavioral, social, sexual. Inclusion criteria concerned studies that sampled adult healthy women, used quantitative methodology and explored factors influencing sexual satisfaction. Results: Out of 531 studies, forty-five were further screened. A total of twenty-one studies were reviewed, most of which were conducted in the USA, Portugal and the United Kingdom. They were followed by Switzerland, Iran, Brazil, Sweden, Canada, Hungary and the Netherlands. Four major themes influencing female sexual satisfaction emerged from the synthesis: psychological disorders, psychological background, genital stimulation, body awareness and movement. Conclusions: The female orgasm was influenced by a number of factors, some of which adversely affected it.
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 | 0,017 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».