Intravenous Estrogen for Acute Heavy Menstrual Bleeding: Commentary and Database Analysis
Notice bibliographique
Résumé
Background: Heavy menstrual bleeding (HMB) is common. Although hormonal medication is the mainstay of treatment, there is no scientific evidence to support the superiority of one regimen over another. Both oral and intravenous (IV) forms of estrogen are used for HMB in the acute setting and are known to be associated with thrombosis, in particular, venous thromboembolism (VTE) in the deep veins of the legs or pulmonary vessels. Progestins are also used for treatment of HMB; a common choice is norethindrone acetate, a small amount of which is metabolically converted to ethinyl estradiol (an estrogen) after ingestion. We sought to assess the incidence and relative risk (RR) of VTE for users of IV estrogen, oral ethinyl estradiol, and norethindrone acetate. Methods and Results: A retrospective descriptive review of a large de-identified database (TriNETX, LLC) revealed a significantly higher calculated rate and RR of VTE amongst users of injectable conjugated estrogen compared to users of oral ethinyl estradiol and oral norethindrone acetate. Conclusion: Research is needed to determine the true RR of thrombosis for IV estrogen users to allow clinicians and patients to make informed decisions that appropriately stratify risks and benefits when considering the options for hormonal treatment of acute HMB.
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 | 0,027 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,010 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».