Intravenous Immunoglobulin for Repeated <scp>IVF</scp> Failure and Unexplained Infertility
Notice bibliographique
Résumé
PROBLEM: We set out to determine whether intravenous immunoglobulin (IVIG) improves in vitro fertilization (IVF) success rates in women with a difficult history of multiple (≥ 2) prior IVF failures and /or 'unexplained' infertility. METHOD OF STUDY: A total of 229 women with multiple IVF failures (3.3 ± 2.1) and/or unexplained infertility (3.8 ± 2.7 years) were given IVIG on the day of egg retrieval, and the subsequent IVF success rates were compared with published success rates from the Canadian database (CARTR). RESULTS: The pregnancy rate per IVIG-treated cycle was 60.3% (138/229), and the live birth rate per IVIG-treated cycle was 40.2% (92/229). This is a significantly higher success rate compared to the Canadian average (30% live birth rate; CARTR statistics from 2010; P = 0.0012). In cases where a single embryo was transferred, pregnancy rate using IVIG was almost twofold the CARTR pregnancy rate [(61%(20/33) to 34.9% (428/1225)]. In cases where two high quality (≥ Grade 3) day 5 blastocysts were transferred, nearly a 100% pregnancy rate was achieved using IVIG (30/31). CONCLUSION: IVIG may be a useful treatment option for patients with previous IVF failure and/ or unexplained infertility. The data confirm previously published studies at other centers.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».