階層型とデータマイニングベースの統計モデルを使用して、切断と胚盤球段階の時間帯変数を組み合わせることにより、出生を予測する

特に単一の胚移植の文脈で、妊娠率を改善する方法として、長期の胚培養がますます使用されています。これまでのところ、胚発生の後期段階（モルラと胚盤胞）から抽出されたタイムラプスパラメーターとの関係を調べたのはほんの一握りの研究でした。このレトロスペクティブ研究のために、2年間のコホートからのタイムラプスモニタリング（TLM）に施肥された卵母細胞を提出したすべての連続した非選択された患者からのすべての285単一の抑制された芽球胚盤胞転移（SVBT）が分析されました。2つの異なる統計モデルが作成されました。2つの最強の出生（LB）予測因子（T2およびTEXPB2）と、主成分分析（PCA）およびロジスティック回帰法に基づくより複雑なモデルを含む階層的なもの。最初の4カテゴリーの階層モデルは、LBレートの増加の胚盤胞（8、30、40、53％）を効果的に区別しました。作成されたSCパラメーターの2番目のデータマイニングモデルの四分位数では、LBレートが増加しました（12、19、40、49％）。AUC値は両方のモデルで匹敵しました（0.723、95ci％：0.66-0.79対0.717、95ci％：0.65-0.78）。階層またはデータマイニングベースのアルゴリズムを介した切断および胚盤胞段階の変数の組み合わせは、出生を予測するために正常に使用されました。ただし、内部 /外部の検証がないため、このモデルの予測容量は、データセットによって大きく異なる可能性があります。

Prolonged embryo culture is increasingly used as a way of improving pregnancy rates, especially in the context of single embryo transfer. So far, only a handful of studies examined the relation between implantation potential and time-lapse parameters extracted from later stages (morula and blastocyst) of embryo development. For this retrospective study all 285 single vitrified-thawed blastocyst transfers (SVBT) from all consecutive unselected patients whose fertilized oocytes were submitted to time-lapse monitoring (TLM) from a two-year cohort were analysed. Two different statistical models were created; a hierarchical one including the two strongest live birth (LB) predictors (t2 and texpB2) and a more complex model based on principal component analysis (PCA) and logistic regression methods. The first, four-category, hierarchical model effectively distinguished between blastocysts of increasing LB rates (8, 30, 40, 53%). For the second data-mining model quartiles of the created Sc parameter had increasing LB rates (12, 19, 40, 49%). AUC values were comparable for both models (0.723, 95CI%:0.66-0.79 versus 0.717, 95CI%:0.65-0.78). The combination of cleavage- and blastocyst-stage variables through hierarchical or data mining-based algorithms was used successfully to predict live birth. However, due to the lack of internal / external validation the predictive capacities of this model could differ largely in different datasets.