The effect of ethnicity on semen analysis and hormones in the infertile patient
Notice bibliographique
Résumé
INTRODUCTION: We aimed to study the association of ethnicity on semen parameters and hormones in patients presenting with infertility. METHODS: Data from men presenting for infertility assessment were prospectively collected and retrospectively reviewed. Demographic and clinical history was self-reported. Semen analysis included volume, count, motility, morphology, and vitality. The 2010 World Health Organization cutoffs were used. Baseline total testosterone and follicle-stimulating hormone (FSH) levels were recorded. Ethnicity data was classified as Caucasian, African Canadian, Asian, Indo-Canadian, Native Canadian, Hispanic, and Middle Eastern. All patients with complete data were included and statistical analysis was performed. RESULTS: A total of 9079 patients were reviewed, of which 3956 patients had complete data. Of these, 839 (21.2%) were azoospermic. After adjusting for age, African Canadians (odds ratio [OR] 1.70; 95% confidence interval [CI] 1.28-2.25) and Asians (1.34; 95% CI 1.11-1.62) were more likely to be azoospermic compared to Caucasians. Similarly, African Canadians (OR 1.75; 95% CI 1.33-2.29) were more likely to be oligospermic and Asians (OR 0.82; 95% CI 0.70-0.97) less likely to be oligospermic. Low volume was found in African Canadian (OR 1.42; 95% CI 1.05-1.91), Asians (OR 1.23; 95% CI 1.01-1.51), and Indo-Canadians (OR 1.47; 95% CI 1.01-2.13). Furthermore, Asians (OR 0.73; 95% CI 0.57-0.93) and Hispanics (OR 0.58; 95% CI 034-0.99) were less likely to have asthenospermia. Asians (OR 0.73; 95% CI 0.57-0.94) and Indo-Canadians (OR 0.58; 95% CI 0.35-0.99) were less likely to have teratozospermia. No differences were seen for vitality. No differences were seen for FSH levels, however, Asians (p<0.01) and Indo-Canadians (p<0.01) were more likely to have lower testosterone. CONCLUSIONS: Our study illustrates that variations in semen analyses and hormones exist in men with infertility. This may provide insight into the workup and management for infertile men from different ethnicities.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».