Notice bibliographique
Résumé
OBJECTIVE: To present health care providers with an inclusive, evidence-based framework to identify patients who may benefit from lubricant use during sexual activity, and assist patients in selecting a lubricant tailored to their specific needs. SOURCES OF INFORMATION: A MEDLINE, PubMed, Google Scholar, and Google search was performed for white and grey literature published from 2003 to 2024. Interdisciplinary experts in sexual health also conducted an iterative review. MAIN MESSAGE: Lubricant use during sexual activity has numerous benefits, minimal harms, and can play a role in managing many common sexual health concerns encountered in primary care. However, counselling on lubricant use can be challenging due to a lack of accessible, evidence-based clinical tools. Consequently, clinicians are often hesitant to discuss lubricant use and can only offer anecdotal advice. Lubricant use is especially beneficial for patients using condoms or experiencing dryness, pain (eg, dyspareunia), or dysfunction during sex. There are 3 main types of lubricants available: oil-, silicone-, and water-based products. For patients who use condoms or who experience recurrent vaginal infections or irritation, silicone- or water-based lubricants are recommended, which are free of harmful ingredients and are within recommended osmolality and pH ranges. CONCLUSION: Lubricant use during sexual activity can enhance sexual well-being across diverse patient populations. This review summarizes evidence and provides practical tools to help clinicians integrate counselling on lubricant use into routine sexual health discussions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».