MétaCan
Menu
Retour à la cohorte
Enregistrement W4410824653 · doi:10.33612/diss.1310556262

Decision-making in stress urinary incontinence

2025· dissertation· en· W4410824653 sur OpenAlexaboutno aff
Nienke J.E. Osse

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrinary incontinenceMedicinePsychologyUrology

Résumé

récupéré en direct d'OpenAlex

Stress urinary incontinence (SUI) means accidentally leaking urine when coughing, sneezing, or exercising. It’s a common condition, especially in women, and can have a big impact on daily life. There are several treatment options, like pelvic floor exercises or surgery. The decision to have surgery is made during a consultation with a doctor. There are three ways to make this decision: 1. The doctor decides the best treatment for the woman. 2. The woman decides, based on information from the doctor. 3. The doctor and the woman decide together. This thesis looked at what women and doctors think is important when choosing a treatment for SUI. First, two common types of surgery were compared, and women were happy with both options. Next, the study explored how women want to be involved in making treatment decisions. Women and doctors from the Netherlands, the UK, and Canada were interviewed and asked to fill out surveys. Almost all the women said they want to take an active role in choosing their treatment. It didn’t matter much whether they made the decision on their own or together with the doctor—as long as they were involved. Most women felt they were allowed to be involved in the decision. Most doctors agreed with involving women, but many admitted it can be hard to decide together because they often prefer one specific treatment. That’s why it’s important for doctors to get training in how to support women in making the treatment choice that suits them best.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,056
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,016
Communication savante0,0080,007
Science ouverte0,0010,005
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,454
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRetirement, Disability, and EmploymentTravaux en français237 207