Single Session Pre-Operative Pelvic Floor Muscle Training with Biofeedback on Urinary Incontinence and Quality of Life after Radical Prostatectomy
Notice bibliographique
Résumé
Purpose: Urinary incontinence (UI) is a common complication of radical prostatectomy (RP) affecting patient's quality of life (QoL). In the present study, we aimed to investigate the effects of single-session preoperative pelvic floor muscle training (PFMT) with biofeedback (BFB) on short- and mid-term postoperative UI and QoL. Materials and Methods: This study was performed between 2018 and 2020. The patients were randomized into two groups: the case group received a training session with BFB, supervised oral and written instructions on pelvic floor muscle exercises in a 1-h-long training session 1 month before the surgery. Patients were asked to regularly perform exercises immediately after the session until surgery. The controls received no instructions. We used the International Consultation on Incontinence Questionnaire-UI (ICIQ-UI) short-form and ICIQ-Lower Urinary Tract Symptoms QoL Module (ICIQ-LUTSqol) at 1, 3, and 6 months after removing the urinary catheter. Results: A total of 80 patients with a mean age of 63.83 ± 3.61 years were analyzed. Patient characteristics were similar between the groups. The mean ICIQ-UI score was significantly lower in the intervention group at 1 and 3 months after catheter removal ( P = 0.01 and P = 0.029, respectively) but similar at 6 months ( P = 0.058). The mean ICIQ-LUTSqol score was significantly lower in the intervention group at 1, 3, and 6 months after catheter removal ( P < 0.001, P = 0.005, and P = 0.011, respectively). Conclusion: A single session of preoperative PFMT with BFB has significant short-term effects on UI after RP but not at 6 months. However, this intervention can improve LUTS-related QoL even at 6 months after catheter removal.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».