Role of videourodynamics, imaging, and cystoscopy in patients with recurrent urinary tract infections: Should we throw in the kitchen sink?
Notice bibliographique
Résumé
Recurrent urinary tract infection (rUTI) remains a common outpatient problem with discordance and paucity of evidence for management. This study aims to evaluate the role of videourodynamics (VUD), additional imaging, and cystoscopy in the complete workup of these patients. A retrospective review was performed on 1421 consecutive patients referred for physician performed VUD. After exclusion criteria, 170 patients were included. Ethics approval was obtained, followed by data collection, and analysis of demographics, symptoms, cystoscopy results, imaging, and VUD parameters. Statistical analyses were performed with IBM SPSS Statistics Version 28. Statistical significance was defined by an alpha level of P ≤ 0 . 05 . Overall, 117/170 (69%) had identifiable causes of rUTI identified on VUD. There was a statistically significant difference ( p <0.001) in identifying a cause in those with voiding symptoms (93/114 = 82%) compared to those without (24/56 = 43%). Gender was not predictive of an identifiable cause on VUD ( p = 0 . 47 ). Neither was a neurogenic history ( p = 0 . 11 ), diabetes ( p = 0 . 97 ), or age ( p = 0 . 89 ). Additional imaging was not diagnostic for rUTI cause. No malignancy was identified on imaging or cystoscopy. In patients with rUTI, VUD may be an important investigative step to find a possible underlying cause, but it is a scarce resource. As VUD has a higher detection rate in patients with voiding symptoms, by first screening for these patients on history, VUD can be used judiciously. Cystoscopy and additional imaging were not as helpful in identifying a target treatment plan for rUTI, when a VUD had already been done.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».