Validating At-Home Urinary Hormone Measurements in Postpartum and Perimenopause Fertility Transitions
Notice bibliographique
Résumé
Background: Measuring quantitative menstrual cycle hormones at home may help women better understand their postpartum and perimenopause fertility transitions, but these quantitative fertility monitors require validation. Materials and Methods: This study included 16 North American women, aged 28–51, during either the postpartum ( n = 8, cycles = 18) or perimenopause ( n = 8, cycles = 35) fertility transitions testing daily first-morning urine testing with both the Mira Monitor and ClearBlue Fertility Monitor (CBFM) along with menstrual cycle parameter tracking. The main outcome measures were a rise in estrone-3-glucuronide (E 1 3G) and luteinizing hormone (LH) urine hormone values from the Mira monitor correlated to low, high, or peak values on the CBFM. Results: Both in the postpartum and perimenopause transitions, the identification of the day of ovulation based on the LH surge on the Mira and CBFM monitors was highly correlated (R = 0.94 and 0.83, p < 0.001). The E 1 3G levels on the Mira monitor were significantly higher for a CBFM reading of “High” compared with “Low” for both the postpartum and perimenopausal cycles (all p < 0.001). Similarly, the LH levels on the Mira monitor were significantly higher for a CBFM reading of “Peak” (LH surge) compared with “High” for both the postpartum and perimenopausal cycles (all p < 0.001). Conclusions: The LH surge and levels of E 1 3G in urine identified on the quantitative Mira fertility monitor strongly correlate to the LH surge and the shift from low to high on the CBFM during the postpartum and perimenopause transitions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».