Treatments in women experiencing natural menopause: a cohort study from the USA, the UK and Germany
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to describe treatment patterns among naturally menopausal women from the USA, the UK and Germany. METHODS: Using health claims (the USA) and electronic health records (the UK and Germany), women aged 40-65 years with a first record of natural menopause (index date) from 2009 to 2022 were identified. Women with a history of bilateral oophorectomy, total hysterectomy, endocrine therapy for breast cancer or hormone/non-hormone therapy for menopausal symptoms were excluded. Treatments evaluated following the index date were hormone therapy, benzodiazepines, antidepressants, anticonvulsants and the antihypertensive clonidine. RESULTS: In total, 1,260,742 (the USA), 214,374 (the UK) and 124,542 (Germany) women were included, and treatments were recorded in 38.8%, 33.4% and 28.8%, respectively. Among these, the majority received one treatment class, mostly hormone therapy (44.2% for the USA, 41.1% for the UK, 92.6% for Germany), benzodiazepines (25.3% for the USA, 6.8% for the UK, 2.2% for Germany) and antidepressants (18.6% for the USA, 33.5% for the UK, 4.1% for Germany). Discontinuation rates at 6 months from starting initial treatment were 75.0-88.0% for hormone therapy, 65.0-85.0% for antidepressants and ≥98% for benzodiazepines. Treatment switches occurred in 25.4% (the USA), 21.8% (the UK) and 1.7% (Germany). CONCLUSIONS: Continuation rates with current treatments for women experiencing natural menopausal symptoms are low, indicating an unmet need for effective and acceptable therapies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».