Cognitive behavior therapy for female sexual dysfunction: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Sexual dysfunction has a negative influence on both human physical and psychological health across various ages and frequently results in the deterioration of quality of life for individuals and/or partners. OBJECTIVE: The objective of the study was to assess the effectiveness of cognitive behavioral therapy (CBT) for female sexual dysfunction (FSD). METHODS: We searched PubMed, Embase, Cochrane Central Register of Controlled Trials, PsycINFO, and Web of Science databases from inception to January 6, 2023 (updated on April 15, 2024). The risk of bias in all included randomized controlled trials (RCTs) was assessed using the Cochrane risk of bias tool (revised version 2.0), and meta-analysis was conducted using R (version 4.2.0). We used the Grading of Recommendations, Assessment, Development, and Evaluation (GRADE) approach to evaluate the certainty of the evidence. RESULTS: Ten RCTs involving 837 patients were included, and three RCTs were judged at high risk of bias due to missing outcome data and baseline imbalances. In the post-intervention follow-up, CBT participants showed a greater increase in FSFI scores than those receiving routine care (MD: 7.63, 95% CI: 5.25 to 10.02, GRADE: low), and greater improvement than waitlist participants (MD: 3.13, 95% CI: 0.90 to 5.35, GRADE: moderate). In the short-term follow-up (4 to 24 weeks after completion of intervention), CBT participants had a greater increase in FSFI scores than routine care (MD: 11.13, 95% CI: 0.27 to 22.00, GRADE: low) and waitlist participants (MD: 3.80, 95% CI: 1.46 to 6.14, GRADE: very low). CONCLUSION: CBT can improve the clinical symptoms of patients with FSD. However, large-scale RCTs are needed in the future.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,032 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».