Reproductive Health Management and Transformative Business Practice; A Literature Review and Future Avenues for Research
Notice bibliographique
Résumé
A major reproductive health issue affecting millions globally is infertility (Zhang et al., 2022). Currently, in Canada, around 16% of women experience infertility (CFAS, 2022). The infertility treatment market generated $1,770.6 million in 2023 (Ghosh, 2024) and is projected to grow to 62.8 billion in 10 years (The Lancet, 2024). Despite the prevalence and high monetary, physiological, and psychological costs of infertility, studies in business, including consumer psychology, examining infertility/fertility preservation are scarce and is limited to qualitative studies. We aim to systematically review research on the fertility industry, including infertility treatments and fertility preservation, to assess the current state of research, identify the gaps in the literature, and explore potential future directions within the areas of consumer psychology and decision-making. Using a systematic domain-based review approach (Snyder, 2019; Paul & Criado, 2020), we analyzed articles on the Scopus and Business Source Complete databases. We reviewed 449 articles based on their title, abstract, and keywords. Our results, including final 39 articles, unveil various themes of research on the influence of physiological, psychological, socioeconomic, financial, career, legal, and technological factors, as well as access to information, on fertility preservation and treatment decisions. Furthermore, we evaluate the psychological, relational, and career outcomes associated with these factors and discuss their implications for business and for health systems. We suggest future research directions and areas for improvement to guide subsequent studies in this field. This literature review is the first to explore fertility healthcare services through the lens of consumer psychology and business research.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,015 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».