MétaCan
Menu
Retour à la cohorte
Enregistrement W4402014793 · doi:10.1016/j.fertnstert.2024.08.345

The association between primary ovarian insufficiency and increased multimorbidity in a large prospective cohort (Canadian Longitudinal Study on Aging)

2024· article· en· W4402014793 sur OpenAlexaffabout
Abirami Kirubarajan, Nazmul Sohel, Alexandra Mayhew, Lauren E. Griffith, Parminder Raina, Alison K. Shea

Notice bibliographique

RevueFertility and Sterility · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMenopause: Health Impacts and Treatments
Établissements canadiensSt. Joseph’s Healthcare HamiltonHamilton Health SciencesImpactMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineProspective cohort studyCohortCohort studyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe the prevalence of multimorbidity among individuals with primary ovarian insufficiency (POI) and early menopause compared with those with the average age of menopause. DESIGN: Prospective cohort. SUBJECTS: This prospective cohort encompassed female postmenopausal individuals from the Canadian Longitudinal Study on Aging. The Canadian Longitudinal Study on Aging collected cross-sectional data from 50,000 community-dwelling Canadians aged 45-85 years between 2010 and 2015. EXPOSURE: The primary exposure was POI (defined by onset of menopause at the age of <40 years). Comparators included average age of menopause (age, 46-55 years), early menopause (40-45 years), and late-onset menopause (56-65 years) and those who underwent hysterectomy. MAIN OUTCOME MEASURE(S): The primary outcome was multimorbidity, which was defined as two or more chronic conditions. The secondary outcomes were severe multimorbidity (defined as 3 or more chronic conditions) and frequencies of specific chronic conditions among a comprehensive list of 15 individual conditions. We assessed the association between multimorbidity and age at menopause using logistic regression and odds ratios (ORs), with confidence intervals (CIs) set at 95%. The ORs were adjusted for known predictors of multimorbidity, including age, menopausal hormone therapy, education, ethnicity, self-reported loneliness, living alone, body mass index, smoking habits, nutritional risk, social participation, and physical activity. RESULT(S): A total of 12,339 postmenopausal participants were included, of whom 374 (3.0%) experienced POI and 1,396 (11.3%) experienced early menopause. The prevalence rates of multimorbidity were 64.8% and 51.1% among those with POI and early menopause, respectively. In contrast, only 43.9% of individuals with average age of menopause (age, 46-55 years) had multimorbidity. The OR for multimorbidity in the POI population was 2.5 (95% CI, 2.0-3.1) compared with that in individuals who had the average age of menopause. This relationship was maintained after adjustment for confounders (adjusted OR [aOR], 2.0; 95% CI, 1.5-2.5). The prevalence of severe multimorbidity was also double in the POI group compared with that in the average age group (39.2% vs. 21.1%). There were significantly increased risks of ischemic heart disease (aOR, 2.8; 95% CI, 1.7-4.7), gastric ulcers (aOR, 1.6; 95% CI, 1.1-2.3), and osteoporosis (aOR, 1.6; 95% CI, 1.2-2.1) in the POI group. CONCLUSION(S): Individuals with POI and early menopause experience increased multimorbidity compared with those undergoing menopause at an average age. This trend persists even after adjusting for significant multimorbidity risk factors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,458

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,051
Tête enseignante GPT0,344
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFertility and SterilityMême sujetMenopause: Health Impacts and TreatmentsTravaux en français237 207