Effectiveness of Pelvic Floor Muscle and Education-Based Therapies on Bladder, Bowel, Vaginal, Sexual, Psychological Function, Quality of Life, and Pelvic Floor Muscle Function in Females Treated for Gynecological Cancer: A Systematic Review
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Gynecological malignancies are prevalent in females, and this population is likely to experience symptoms of pelvic floor disorders and sexual dysfunction. Non-surgical, non-pharmaceutical conservative therapies, namely pelvic floor muscle (PFM) therapies and education-based interventions, could be beneficial for this population. The purpose of this systematic review was to examine the evidence regarding their effectiveness on bladder, bowel, vaginal, sexual, psychological function, quality of life, and PFM function in gynecological cancer populations. RECENT FINDINGS: Six databases were searched to identify studies employing any interventional study design, except case studies, to investigate the effect of PFM therapies, education-based interventions, or combined therapies on any outcome of interest. The search yielded 4467 results, from which 20 studies were included. Of these, 11 (55%) were RCTs, two (10%) were non-RCTs with two groups, and seven (35%) were non-RCTs with a single group. Findings suggest that combined (multimodal) therapies, specifically PFM (active > passive) + education therapies, appear more effective for vaginal, overall pelvic floor, sexual, and PFM function. PFM therapies (active and/or electrostimulation) may improve bladder outcomes. Limited evidence suggests PFM (active) + education therapies may improve bowel function. Conservative therapies may improve psychological function, although available data do not appear to favor a particular therapy. Given the conflicting findings regarding quality of life, no clear conclusions can be made. Interpretation of findings highlighted the importance of intervention dosage, adherence, and supervision for optimal effectiveness. Despite the limitations of the included studies, this review provides new and valuable insights for future research and clinical practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».