MétaCan
Menu
Retour à la cohorte
Enregistrement W4395466609 · doi:10.1001/jamanetworkopen.2024.8496

Multifetal Pregnancy After Implementation of a Publicly Funded Fertility Program

2024· article· en· W4395466609 sur OpenAlexafffundabout
Maria P. Vélez, Allison Soule, Laura Gaudet, Jessica Pudwell, Paul Nguyen, Joel G. Ray

Notice bibliographique

RevueJAMA Network Open · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAssisted Reproductive Technology and Twin Pregnancy
Établissements canadiensUniversity of TorontoSt. Michael's HospitalInstitute for Clinical Evaluative SciencesQueen's University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFertilityPregnancyObstetricsMedicinePopulationEnvironmental healthBiology

Résumé

récupéré en direct d'OpenAlex

Importance: A publicly funded fertility program was introduced in Ontario, Canada, in 2015 to increase access to fertility treatment. For in vitro fertilization (IVF), the program mandated an elective single-embryo transfer (eSET) policy. However, ovulation induction and intrauterine insemination (OI/IUI)-2 other common forms of fertility treatment-were more difficult to regulate in this manner. Furthermore, prior epidemiologic studies only assessed fetuses at birth and did not account for potential fetal reductions that may have been performed earlier in pregnancy. Objective: To examine the association between fertility treatment and the risk of multifetal pregnancy in a publicly funded fertility program, accounting for both fetal reductions and all live births and stillbirths. Design, Setting, and Participants: This population-based, retrospective cohort study used linked administrative health databases at ICES to examine all births and fetal reductions in Ontario, Canada, from April 1, 2006, to March 31, 2021. Exposure: Mode of conception: (1) unassisted conception, (2) OI/IUI, or (3) IVF. Main Outcomes and Measures: The main outcome was multifetal pregnancy (ie, a twin or higher-order pregnancy). Modified Poisson regression generated adjusted relative risks (ARRs) and derived population attributable fractions (PAFs) for multifetal pregnancies attributable to fertility treatment. Absolute rate differences (ARDs) were used to compare the era before eSET was promoted (2006-2011) with the era after the introduction of the eSET mandate (2016-2021). Results: Of all 1 724 899 pregnancies, 1 670 825 (96.9%) were by unassisted conception (mean [SD] maternal age, 30.6 [5.2] years), 24 395 (1.4%) by OI/IUI (mean [SD] maternal age, 33.1 [4.4] years), and 29 679 (1.7%) by IVF (mean [SD] maternal age, 35.8 [4.7] years). In contrast to unassisted conception, individuals who received OI/IUI or IVF tended to be older, reside in a high-income quintile neighborhood, or have preexisting health conditions. Multifetal pregnancy rates were 1.4% (95% CI, 1.4%-1.4%) for unassisted conception, 10.5% (95% CI, 10.2%-10.9%) after OI/IUI, and 15.5% (95% CI, 15.1%-15.9%) after IVF. Compared with unassisted conception, the ARR of any multifetal pregnancy was 7.0 (95% CI, 6.7-7.3) after OI/IUI and 9.9 (95% CI, 9.6-10.3) after IVF, with corresponding PAFs of 7.1% (95% CI, 7.1%-7.2%) and 13.4% (95% CI, 13.3%-13.4%). Between the eras of 2006 to 2011 and 2016 to 2021, multifetal pregnancy rates decreased from 12.9% to 9.1% with OI/IUI (ARD, -3.8%; 95% CI, -4.2% to -3.4%) and from 29.4% to 7.1% with IVF (ARD, -22.3%; 95% CI, -23.2% to -21.6%). Conclusions and Relevance: In this cohort study of more than 1.7 million pregnancies in Ontario, Canada, a publicly funded IVF program mandating an eSET policy was associated with a reduction in multifetal pregnancy rates. Nevertheless, ongoing strategies are needed to decrease multifetal pregnancy, especially in those undergoing OI/IUI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,617
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,373
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetAssisted Reproductive Technology and Twin PregnancyTravaux en français237 207