MétaCan
Menu
Retour à la cohorte
Enregistrement W4400364490 · doi:10.11594/bjurology.2023.004.01.4

The Prevalence of LUTS in Men Aged ≥40 years based on the IPSS-Ina Questionnaire

2023· article· en· W4400364490 sur OpenAlexaff
Wangga P. Lasandara, Muhammad Taufiqurrachman, Dimas Bintoro Kresna Yustisia Handoyo

Notice bibliographique

RevueBrawijaya Journal of Urology. · 2023
Typearticle
Langueen
DomaineNursing
ThématiqueNuts composition and effects
Établissements canadiensRegina General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineGerontologyGynecology

Résumé

récupéré en direct d'OpenAlex

Objectives. LUTS (Lower Urinary Tract Symptoms) are several symptoms experienced by a person due to various pathologies that occur in the lower urinary tract. The prevalence of LUTS in ≥ 40-year-old men is high and many methods including IPSS have been made to measure LUTS. Unfortunately, the high prevalence is not followed by the number of patients who are seeking treatment for their LUTS.Methods. This observational cross-sectional study used 45 men aged ≥40 years who came to Tongauna Health Center. Each respondent was asked to fill out the IPSS questionnaire. Moreover, when the respondent has LUTS, he is also asked if he is ever looking for health care providers, where he consultations, and what the reason is if he is never looking for it.Result. Of 45 men, there are 37 men who have LUTS and only 8 asymptomatic men. Mild LUTS is the most common symptom with 22 respondents, followed by moderate with 11 respondents, and only 4 respondents who suffered from severe LUTS. Pleased (1) is the most respondent’s feel for their Quality of Life score. Only 7 respondents are ever looking for treatment, and the common reasons for them not getting treatment are their misperception about LUTS, economic factors, and attitude toward their illness.Conclusion. The number of LUTS patients≥40 years old male at Tongauna District is high, but their initiative to treat this symptom is still low due to many factors like knowledge, economic, and patient attitude.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,262
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrawijaya Journal of Urology.Même sujetNuts composition and effectsTravaux en français237 207