著名医師による解説が無料で読めます
すると翻訳の精度が向上します
目的：COX回帰モデルに基づいたノモグラムの形式で予測ツールを開発すること。これは、出生の結果に対する治療サイクルの長さの影響を組み込んで、不妊カップルが出生後に出生後に出生する可能性を評価することを評価します。または、in vitro受精（IVF）のより完全なサイクル、および患者に理解しやすく視覚化しやすいリスク評価を提供します。 方法：予測モデルを確立するための遡及的研究は、深Shenzhen Zhongshan Obstetrics＆Gynecology病院の生殖センター（以前の深Shenzhen Zhongshan泌尿器科病院）で実施されました。卵巣刺激治療を完了し、引き金に到達した合計4413人の患者が関与しました。患者の70％がトレーニングセットにランダムに配置され（n = 3089）、残りの30％の患者は検証セット（n = 1324）にランダムに配置されました。出生率（LBR）と累積LBR（CLBR）は、1回の検索サイクルとその後の5つの凍結胚移植（FET）サイクルについて計算されました。予測モデルのパラメーターを選択するためには、比例ハザード（PH）仮定テストが使用されました。COX回帰モデルは、トレーニングセットに基づいて構築され、ROC曲線を使用して、予測モデルの特異性と感度をテストしました。その後、モデルの有効性を検証するために検証セットが適用されました。最後に、CLBRのより直感的な評価を臨床医と患者にとってより直感的に評価するために、予測モデルに基づいてノモグラムモデルが確立されました。モデルのスコアを計算することにより、臨床医は、個々の患者が少なくとも1つの出生を得る確率をより効果的に予測することができました。 結果：新鮮な胚移植サイクルでは、LBRは38.7％でした。最初から5番目のFETサイクルでは、最適な推定値と保守的な推定CLBRは、59.95％、65.41％、66.35％、66.61％、66.61％および56.81％、60.84％、61.50％、61.66％、61.68％でした。pH検査結果に基づいて、出生の潜在的な予測因子は、授精法、不妊因子、血清プロゲステロンレベル（r = 0.043、p = 0.059）、および開始日の黄体形成ホルモンレベル（r = 0.015、p = 0.499）でした。ゴナドトロピン、基底卵胞刺激ホルモン（r = -0.042、p = 0.069）およびBMI（r = -0.035、p = 0.123）。ROC曲線を使用して、モデルの予測力をテストしました。AUCは0.782でした（P <0.01、95％CI：0.764-0.801）。次に、モデルは検証データを使用して検証されました。AUCは0.801でした（P <0.01、95％CI：0.774-0.828）。ノモグラムモデルは、生まれた出生のイベントに影響を与える可能性のある潜在的な予測因子に基づいて構築されました。 結論：COX回帰とノモグラム予測モデルは、生まれたカップルが出生している確率を効果的に予測しました。したがって、このモデルは、臨床医が臨床的決定を下し、患者にガイダンスを提供するのを支援することができます。 試用登録：n/a。
目的：COX回帰モデルに基づいたノモグラムの形式で予測ツールを開発すること。これは、出生の結果に対する治療サイクルの長さの影響を組み込んで、不妊カップルが出生後に出生後に出生する可能性を評価することを評価します。または、in vitro受精（IVF）のより完全なサイクル、および患者に理解しやすく視覚化しやすいリスク評価を提供します。 方法：予測モデルを確立するための遡及的研究は、深Shenzhen Zhongshan Obstetrics＆Gynecology病院の生殖センター（以前の深Shenzhen Zhongshan泌尿器科病院）で実施されました。卵巣刺激治療を完了し、引き金に到達した合計4413人の患者が関与しました。患者の70％がトレーニングセットにランダムに配置され（n = 3089）、残りの30％の患者は検証セット（n = 1324）にランダムに配置されました。出生率（LBR）と累積LBR（CLBR）は、1回の検索サイクルとその後の5つの凍結胚移植（FET）サイクルについて計算されました。予測モデルのパラメーターを選択するためには、比例ハザード（PH）仮定テストが使用されました。COX回帰モデルは、トレーニングセットに基づいて構築され、ROC曲線を使用して、予測モデルの特異性と感度をテストしました。その後、モデルの有効性を検証するために検証セットが適用されました。最後に、CLBRのより直感的な評価を臨床医と患者にとってより直感的に評価するために、予測モデルに基づいてノモグラムモデルが確立されました。モデルのスコアを計算することにより、臨床医は、個々の患者が少なくとも1つの出生を得る確率をより効果的に予測することができました。 結果：新鮮な胚移植サイクルでは、LBRは38.7％でした。最初から5番目のFETサイクルでは、最適な推定値と保守的な推定CLBRは、59.95％、65.41％、66.35％、66.61％、66.61％および56.81％、60.84％、61.50％、61.66％、61.68％でした。pH検査結果に基づいて、出生の潜在的な予測因子は、授精法、不妊因子、血清プロゲステロンレベル（r = 0.043、p = 0.059）、および開始日の黄体形成ホルモンレベル（r = 0.015、p = 0.499）でした。ゴナドトロピン、基底卵胞刺激ホルモン（r = -0.042、p = 0.069）およびBMI（r = -0.035、p = 0.123）。ROC曲線を使用して、モデルの予測力をテストしました。AUCは0.782でした（P <0.01、95％CI：0.764-0.801）。次に、モデルは検証データを使用して検証されました。AUCは0.801でした（P <0.01、95％CI：0.774-0.828）。ノモグラムモデルは、生まれた出生のイベントに影響を与える可能性のある潜在的な予測因子に基づいて構築されました。 結論：COX回帰とノモグラム予測モデルは、生まれたカップルが出生している確率を効果的に予測しました。したがって、このモデルは、臨床医が臨床的決定を下し、患者にガイダンスを提供するのを支援することができます。 試用登録：n/a。
OBJECTIVE: To develop a predictive tool in the form of a Nomogram based on the Cox regression model, which incorporates the impact of the length of treatment cycles on the outcome of live birth, to evaluate the probability of infertile couples having a live birth after one or more complete cycles of In Vitro Fertilization (IVF), and to provide patients with a risk assessment that is easy to understand and visualize. METHODS: A retrospective study for establishing a prediction model was conducted in the reproductive center of Shenzhen Zhongshan Obstetrics & Gynecology Hospital (formerly Shenzhen Zhongshan Urology Hospital). A total of 4413 patients who completed ovarian stimulation treatment and reached the trigger were involved. 70% of the patients were randomly placed into the training set (n = 3089) and the remaining 30% of the patients were placed into the validation set (n = 1324) randomly. Live birth rate (LBR) and cumulative LBR (CLBR) were calculated for one retrieval cycle and the subsequent five frozen embryo transfer (FET) cycles. Proportional Hazards (PH) Assumption test was used for selecting the parameter in the predictive model. A Cox regression model was built based on the basis of training set, and ROC curves were used to test the specificity and sensitivity of the prediction model. Subsequently, the validation set was applied to verify the validity of the model. Finally, for a more intuitive assessment of the CLBR more intuitively for clinicians and patients, a Nomogram model was established based on predictive model. By calculating the scores of the model, the clinicians could more effectively predict the probability for an individual patient to obtain at least one live birth. RESULTS: In the fresh embryo transfer cycle, the LBR was 38.7%. In the first to fifth FET cycle, the optimal estimate and conservative estimate CLBRs were 59.95%, 65.41%, 66.35%, 66.58%, 66.61% and 56.81%, 60.84%, 61.50%, 61.66%, 61.68%, respectively. Based on PH test results, the potential predictive factors for live birth were insemination method, infertility factors, serum progesterone level (R = 0.043, p = 0.059), and luteinizing hormone level (R = 0.015, p = 0.499) on the day initiated with gonadotropin, basal follicle-stimulating hormone (R = -0.042, p = 0.069) and BMI (R = -0.035, p = 0.123). We used ROC curve to test the predictive power of the model. The AUC was 0.782 (p < 0.01, 95% CI: 0.764-0.801). Then the model was verified using the validation data. The AUC was 0.801 (p < 0.01, 95% CI: 0.774-0.828). A Nomogram model was built based on potential predictive factors that might influence the event of a live birth. CONCLUSIONS: The Cox regression and Nomogram prediction models effectively predicted the probability of infertile couples having a live birth. Therefore, this model could assist clinicians with making clinical decisions and providing guidance for patients. TRIAL REGISTRATION: N/A.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。