Test or No-Test: Comparison of Medication Abortion Outcomes and Adverse Events When Forgoing Ultrasound, Laboratory Testing, and Physical Examination
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to compare demographics and clinical outcomes between patients who did not undergo investigations and those who underwent investigations before receiving a prescription for medication abortion (MA) during the first 6 months of the COVID-19 pandemic. Outcomes include success rates, adverse events, pathways to completion, and loss to follow-up rates. METHODS: We conducted a retrospective medical record review of 1452 patients presenting for MA between 23 March 2020 and 30 September 2020. Descriptive statistics, 2 × 2 chi-square tests, and Fisher exact tests were used to compare characteristics and outcomes between groups. RESULTS: Of the 1307 patients who received a prescription, 895 (68.5%) were in the no-test group and 412 (31.5%) were in the test group. The success rate was 95.2%, with no significant difference between groups (94.0% and 95.8%, P = 0.194). Rates of adverse events were low, with 28 patients presenting for emergency department visits (2.1%), 62 having clinically significant retained products of conception (4.7%), 5 with heavy bleeding requiring treatment (0.4%), 16 with ongoing pregnancy (1.2%), and 3 requiring ectopic pregnancy management (0.2%). Completion of abortion was verified in 1034 patients (80.5%), and the loss to follow-up rate was 22.6%, with no difference between the groups (82.1% vs. 79.8%, P = 0.341; and 21.4% vs. 23.1%, P = 0.477; respectively). CONCLUSIONS: We found that clinical outcomes were consistent across the 2 groups, with high success rates and low adverse event rates. Our study contributes to the growing body of evidence that allows for individualized care implementing selective use of low- and no-test MA protocols.
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 | 0,000 | 0,024 |
| 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 ».