Clinical factors associated with unexpected poor or suboptimal response in Poseidon criteria patients
Notice bibliographique
Résumé
RESEARCH QUESTION: What clinical factors are associated with 'unexpected' poor or suboptimal responses to IVF ovarian stimulation per POSEIDON's criteria, and which AMH and AFC threshold values distinguish this population? DESIGN: Tri-centre retrospective cohort study (2015-2017) involving first-time IVF and ICSI cycles with conventional ovarian stimulation (≥150 IU/day of FSH). Eligibility criteria included sufficient ovarian reserve markers according to POSEIDON's classification (AMH ≥1.2 ng/ml; AFC ≥5). Ovarian response categories were poor (<4 oocytes), suboptimal (4-9 oocytes) and normal (≥9 oocytes). Primary outcomes included clinical factors associated with an unexpected poor or suboptimal response to conventional ovarian stimulation using logistic regression analyses, and the threshold values of AMH and AFC predicting increased risk of such responses using ROC curves. RESULTS: A total of 7625 patients met the inclusion criteria: 204 (9.3%) were poor and 1998 (90.7%) were suboptimal responders. Logistic regression identified significant clinical predictors for a poor or suboptimal response, including AFC, AMH, total gonadotrophin dose, gonadotrophin type and trigger type (P ≤ 0.02). The ROC curves indicated that AMH 2.87 ng/ml (AUC 0.740) and AFC 12 (AUC 0.826) were the threshold values predicting a poor or suboptimal response; AMH 2.17 ng/ml (AUC 0.741) and AFC 9 (AUC 0.835) predicted a poor response; and AMH 2.97 ng/ml (AUC 0.722) and AFC 12 (AUC 0.801) predicted a suboptimal response. CONCLUSIONS: The threshold values of AMH and AFC predicting 'unexpected' poor or suboptimal response were higher than expected. These findings have critical implications for tailoring IVF stimulation regimens and dosages.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 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 ».