Menstrual Cycle Characteristics of U. S. Adolescents According to Gynecologic Age and Age at Menarche
Notice bibliographique
Résumé
STUDY OBJECTIVE: To characterize typical menstrual cycle characteristics in adolescents and determine how these differ with age at menarche or years since menarche (gynecologic age). METHODS: We surveyed 13 to 18-year-old U.S. users of the Clue app (N = 6,486) and linked their responses to app-recorded cycle data (N=38,916 cycles). We analyzed cycle characteristics including cycle length, cycle variability, period length, experience of heavy flow, and dysmenorrhea in relation to gynecologic age and menarcheal age using mixed effects models. RESULTS: With increasing gynecologic age, we observed dose-dependent associations of lower odds of cycle irregularity (defined as cycles that were highly variable, short, or long) and higher odds of reporting ≥1 day of heavy flow. Individuals <1 year post-menarche had lower odds of heavy flow (Odds Ratio (OR) = 0.3; 95% confidence interval (CI): 0.1, 0.6), and increased odds of having a highly variable cycle (OR = 2.6; 95% CI: 1.3, 5.2) or short cycles (OR = 5.0; 95% CI: 2.3, 11.0) compared to those who were 6+ years post-menarche. We also found associations with early and late age at menarche. Compared to menarcheal age of 14+ years, menarcheal age ≤10 years was associated with shorter cycle length (β = -1.63 days; 95% CI: -2.51, -0.75), increased odds of dysmenorrhea (OR = 3.2; 95% CI: 2.3, 4.6), and decreased odds of high cycle variability (OR = 0.8; 95% CI: 0.6, 1.0). CONCLUSION: Cycle characteristics in adolescence are associated with menarcheal age and gynecologic age. Notably, highly variable cycles are common, especially among those with younger gynecologic age or older menarcheal age.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».