MétaCan
Menu
Retour à la cohorte
Enregistrement W4416952194 · doi:10.1080/14647273.2025.2585670

From clicks to creating kin: how Australian online egg donors craft relationships with recipients and donor-conceived children

2025· article· en· W4416952194 sur OpenAlexaff
Cal Volks, Sonja Goedeke, Larry J. Griffin, Fiona Kelly

Notice bibliographique

RevueHuman Fertility · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDonationKinshipThematic analysisEmpathyCraftEgg donationPsychosocialSperm donation

Résumé

récupéré en direct d'OpenAlex

Anonymous egg donation is prohibited in Australia, with all states allowing donor-conceived people (DCPs) to access their donor's identity at age 18 or 16, depending on the state. However, early contact, well before age 18, is becoming more common. A key driver of this trend is recipients' and donors' use of online platforms (OPs) like Facebook to find one another, enabling donor-recipient contact before donation and/or after the donor-conceived children are born. This study reports on interviews with 24 egg donors who met recipients via OPs and had early contact post-birth. Using reflexive thematic analysis, the study found that donors were primarily motivated by empathy and saw donation as a relational act. They selected recipients with shared values around early contact and negotiated post-birth relationships. Early contact often led to meaningful kinship connections, with relationships described using extended family terms. The donor-recipient relationship unfolded as a progressive relational model: motivations informed recipient choice and contact expectations, and early contact deepened relational bonds. However, some donors experienced relationship breakdowns with recipients, illustrating the emotional complexity of (early) contact, even when agreed to. Findings underscore the importance of psychosocial support to ensure donor conception practices promote the wellbeing of all parties involved.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,005
Communication savante0,0040,004
Science ouverte0,0010,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,055
Tête enseignante GPT0,337
Écart entre enseignants0,282 · 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'étudeQualitatif
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman FertilityMême sujetReproductive Health and TechnologiesTravaux en français237 207