Cocaine Use in the Infertile Male Population: A Marker for Conditions Resulting in Subfertility
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: We sought to evaluate the incidence and effect of cocaine use in the infertile male population. MATERIALS AND METHODS: Men presenting for fertility evaluation reporting cocaine usage were identified via prospectively collected database. Data were analyzed for usage patterns, reproductive history, associated drug use and medical conditions, hormonal and semen parameters. RESULTS: Thirty-eight out of 4,400 (0.9%) men reported cocaine use. Most used cocaine every 3 months or less. Compared with non-cocaine using men, cocaine users reported more recreational drug use (89 vs. 9.2%), marijuana use (78.9 vs. 11.4%), chlamydia (10.5 vs. 3%), herpes (7.9 vs. 2.5%), and tobacco use (55.3 vs. 19.5%). After excluding men with causes for azoospermia, the mean semen parameters for cocaine users were: volume 2.47 ± 1.02 ml; concentration 53.55 ± 84.04 × 10(6)/ml; motility 15.72 ± 12.26%; total motile sperm count 76.67 ± 180.30 × 10(6). CONCLUSIONS: Few (< 1%) men in our infertile population reported the use of cocaine, and the frequency of use was low. Given the low use rates and limitations of reporting bias, it is difficult to determine the direct effect of cocaine use on male fertility. However, while infrequent cocaine use seems to have limited impact on semen parameters, men reporting cocaine use represent a different cohort of men than the overall infertile population, with higher rates of concurrent substance abuse, tobacco use and infections, all of which may negatively impact their fertility. Reported cocaine users should be screened for concurrent drug use and infections.
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle