Time-lapse imaging algorithms rank human preimplantation embryos according to the probability of live birth
Notice bibliographique
Résumé
RESEARCH QUESTION: Can blastocysts leading to live births be ranked according to morphokinetic-based algorithms? DESIGN: Retrospective analysis of 781 single blastocyst embryo transfers, including all patient clinical factors that might be potential confounders for the primary outcome measure of live birth, was weighed using separate multi-variable logistic regression models. RESULTS: There was strong evidence of effect of embryo rank on odds of live birth. Embryos were classified A, B, C or D according to calculated variables; time to start (tSB) and duration (dB{tB - tSB}) of blastulation. Embryos of rank D were less likely to result in live birth than embryos of rank A (odds ratio [OR] 0.3046; 95% confidence interval [CI] 0.129, 0.660; P < 0.005). Embryos ranked B were less likely to result in live birth than those ranked A (OR 0.7114; 95% Cl 0.505, 1.001; P < 0.01), and embryos ranked C were less likely to result in live birth than those ranked A (OR 0.6501, 95% Cl 0.373, 1.118; P < 0.01). Overall, the LRT (Likelihood Ratio Test) p-value for embryo rank shows that there is strong evidence that embryo rank is informative as a whole in discriminating between live birth and no live birth outcomes (p = 0.0101). The incidence of live birth was 52.5% from rank A, 39.2% from rank B, 31.4% from rank C and 13.2% from rank D. CONCLUSIONS: Time-lapse imaging morphokinetic-based algorithms for blastocysts can provide objective hierarchical ranking of embryos for predicting live birth and may have greater discriminating power than conventional blastocyst morphology assessment.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».