Having a baby in your 40s with assisted reproductive technology: The reproductive dilemma of autologous versus donor oocytes
Notice bibliographique
Résumé
BACKGROUND: Increasing numbers of women ≥40 years old are accessing assisted reproductive technology (ART) due to age-related infertility. There is limited population-based evidence about the impact on the cumulative live birth rate (CLBR) of women aged ≥40 years using their own oocytes, compared to women of a similar age, using donor oocytes. AIMS: To compare the CLBR for women ≥40 years undergoing ART using autologous oocytes and women of similar age using donor oocytes. MATERIALS AND METHODS: This population-based retrospective cohort study used data from all women aged ≥40 years undergoing ART with donated (n = 987) or autologous oocytes (n = 19 170) in Victoria, Australia between 2009 and 2016. A discrete-time survival model was used to evaluate the CLBR following ART with donor or autologous oocytes. The odds ratio, adjusted for woman's age; male age; parity; cause of infertility; and the associated 95% confidence intervals (CI), were calculated. The numbers needed to be exposed (NNEs) were calculated from the adjusted odds ratio (aOR) and the CLBR in the autologous group. RESULTS: The CLBR ranged from 28.6 to 42.5% in the donor group and from 12.5% to 1.4% in the autologous group. The discrete-time survival analysis with 95% CI demonstrated significant aOR on CLBR across all ages (range aOR: 2.56, 95% CI: 1.62-4.01 to aOR: 15.40, 95% CI: 9.10-26.04). CONCLUSIONS: Women aged ≥40 years, using donor oocytes had a significantly higher CLBR than women using autologous oocytes. The findings can be used when counselling women ≥40 years about their ART treatment options and to inform public policy.
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 | 0,000 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».