Syndrome Génito-Urinaire de la Ménopause : attitudes diagnostiques et thérapeutiques des médecins généralistes des îles de Saint-Martin et Saint-Barthélemy aux Antilles
Notice bibliographique
Résumé
Introduction: The primary aim of this study was to review the diagnostic and therapeutic attitudes of all GPs working on the islands of Saint-Martin and Saint-Barthélemy regarding the GSM. Methods: This study was cross-sectional, observational, descriptive and epidemiological with retrospective data collection through a self-reporting survey. The target population was all GPs practicing in their own office on this territory. A total of 28 GPs were identified and included. To meet the main objective, descriptive statistics were compiled for each of the responses. These relationships were subjected to univariate analysis. The statistical significance of the relationships was tested using tests of independence (Chi-2). The significance level was 10%. Results: All 28 general practitioners completed the questionnaire. 25% of them were not familiar with the GSM. Less than 50 % reported looking usually for GSM’s symptoms in postmenopausal patients. A quarter looked for clinical signs. 57% of the GPs declared being able to diagnose GSM themselves and clinically. In terms of treatment, 85% of the GPs prescribed a local treatment as their first choice. Local hormone treatment was prescribed as first-line treatment by 71% of doctors in cases of severe symptoms of GSM. 57% of doctors could add local estrogens treatment to patients already on hormone replacement therapy (HRT). Conclusion: GSM is poorly researched and under-diagnosed by GPs in these areas. Practitioners are generally familiar with the principles of treatment, but there is still a great deal of confusion about prescribing local estrogens. A dedicated consultation for menopause and additional training courses on the subject would improve GP practices. The more doctors are aware of the issue, the better menopausal women will be diagnosed and will benefit from appropriate treatment, improving their quality of life and sexual health.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».