Sex-Specific Health Challenges: A Study of Women with Epilepsy Across the Lifespan
Notice bibliographique
Résumé
In Canada, it is estimated that 300,000 people are living with epilepsy, half of whom are women (Patel & Grindrod, 2020). A diagnosis of epilepsy brings inherent psychosocial challenges including increased risks of developing mood disorders, interpersonal and institutional stigma, reduced employment rates, increased mortality rates, low socioeconomic status, and reduced quality of life (Thomas & Nair, 2011; Josephson & Jetté, 2017; Josephson et al., 2017). In addition to the inherent challenges of living with epilepsy, women with epilepsy (WWE) face difficulties with fertility and family planning, contraception, teratogenicity, sexual function, management of care during and after pregnancy, safety while caring for children, hormonal influences on seizure frequency, and additional bone health issues (Aylward, 2008; Crawford et al., 1999; Herzog et al., 2016; Noe, 2007; Pack et al., 2009). The purpose of this study was to explore the implementation of the recommended care for WWE for sex-specific health issues from the perspective of the WWE. Using a cross-sectional survey, we investigated the experience of WWE regarding menstruation, family planning, prenatal and perinatal care, hormonal influences and therapies, and bone health. From the perspective of knowledge translation, this study is one measure of the recommended care reaching the patient.
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 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».