The patient woman or the woman patient? Examining the demographic differences between women seeking and not seeking treatment for sexual dysfunction
Notice bibliographique
Résumé
Although female sexual dysfunctions affect a significant number of women around the world, the majority of those struggling do not ever seek professional treatment. As past research mostly focused on logistical and psychological barriers to help-seeking, there remains a gap in knowledge of what demographic characteristics potentially differentiate those individuals who do versus do not solicit support. The objective of this study was to explore a set of demographic variables and their links to treatment-seeking behaviours, including: age, ethnicity, education, income, employment, sexual orientation, relationship status, religion, and history of non-consensual sexual experiences. We used data from four completed studies that asked participants about their history of treatment-seeking, and our analytic sample included N = 869 self-identified women ( M = 31.41, SD = 11.30, range 19–78). Education, age, income, and employment significantly predicted help-seeking behaviours with treatment-seekers being more likely to be older, more educated, currently employed, and earning higher income. No significant associations were found for the other variables. Overall, the results demonstrate that there are notable demographic differences that separate help-seekers from non-seekers. As sexual well-being is an important aspect of one’s quality of life, risk factors that prevent people from seeking care for distressing sexual concerns should be a major public health priority. The limitations to the conclusions drawn in the paper due to data characteristics and analytic strategy are also discussed.
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 | 0,002 | 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 | 0,005 | 0,001 |
| 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 ».