Effect of Malignancy on Semen Parameters
Notice bibliographique
Résumé
Purpose: We aimed to examine how various types of cancer, classified histologically, affect semen quality. Methods: The study group included 313 patients who were diagnosed with cancer and reached for a sperm cryopreservation before a gonadotoxic treatment (PG-Tx group). Their semen parameters were compared to those of two control groups: (a) individuals who attended a fertility investigation and were found to be above the limit of the lower reference value of the WHO 2010 manual (ARL group), and (b) fertile men, whose semen parameters were obtained from the dataset of the WHO 2020 manual. Results: Semen quality was significantly poorer in the PG-Tx group than in the ARL group. Differences included a 65.6% decrease in concentration, a 12.1% decrease in volume, a 72.7% decrease in total count, and a 33.0%, 22.2%, and 24.7% decrease in total motility, rapid motility, and progressive motility, respectively. Linear regression models comparing the PG-Tx and ARL groups revealed that the maximum reduction in total motility and concentration was in men with germ-cell tumors, whereas the minimum reduction was in hematological tumors. Similarly, all sperm quality parameters were significantly lower in the PG-Tx group than in the fertile-men group (p < 0.0001). Conclusions: While the effect of malignancy on semen parameters is debatable, we found that all examined types of cancer significantly impaired sperm quality parameters. Although the median of most semen parameters of patients with cancer were still in the normal WHO range, their fifth percentile, represents men with a delayed time to pregnancy.
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 | 0,000 |
| 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 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 ».