Probabilités de grossesse clinique spécifiques à un jour basées sur deux études avec des mesures imparfaites de l’ovulation
On novembre 24, 2021 by adminAbstract
Deux études ont relié le moment des rapports sexuels (par rapport à l’ovulation) à la fécondabilité spécifique à un jour. La première était une étude de couples catholiques pratiquant le planning familial naturel à Londres dans les années 1950 et 1960 et la seconde portait sur des couples de Caroline du Nord tentant de tomber enceinte au début des années 1980. La première a identifié l’ovulation sur la base du décalage ovulatoire de la température basale du corps, tandis que la seconde a utilisé des dosages urinaires d’hormones. Nous utilisons un modèle statistique pour corriger l’erreur d’identification de l’ovulation et pour réestimer la longueur de la fenêtre fertile et les fécondabilités spécifiques aux jours. Nous estimons le même intervalle fertile de 6 jours dans les deux études après avoir contrôlé l’erreur. Après ajustement pour l’erreur, les deux ensembles de données ont montré l’estimation la plus élevée de la probabilité de grossesse le jour précédant l’ovulation et les deux sont tombés près de zéro après l’ovulation. Étant donné que l’intervalle fertile se situe avant l’ovulation, les méthodes qui anticipent l’ovulation de plusieurs jours (comme l’évaluation de la glaire cervicale) seraient particulièrement utiles pour les couples qui veulent programmer leurs rapports sexuels soit pour éviter, soit pour faciliter la conception.
Introduction
Deux grandes études prospectives fournissent des données pour estimer la probabilité d’une grossesse cliniquement détectable avec des rapports sexuels à des jours particuliers du cycle menstruel par rapport à l’ovulation. La première étude a porté sur des couples britanniques mariés dans les années 1950 et 1960 qui utilisaient la méthode de la température corporelle basale (TBC) pour la planification familiale naturelle (Barrett et Marshall, 1969). Les données ont été recueillies sur les dates des rapports sexuels, et le jour de l’ovulation a été supposé être le dernier jour d’hypothermie (estimé en utilisant la règle de la ligne de couverture appliquée aux mesures quotidiennes de la TBC) (Barrett et Marshall, 1969). Au total, 241 couples ont fourni des données utilisables.
La deuxième étude a été réalisée au début des années 1980 auprès de 221 couples de Caroline du Nord en bonne santé qui tentaient de tomber enceinte et qui ont été inscrits lorsqu’ils ont interrompu leur contraception (Wilcox et al., 1988). Chaque jour, les femmes notaient si elles avaient eu ou non des rapports sexuels et recueillaient un échantillon d’urine du premier matin. Le jour de l’ovulation a été estimé à partir de la baisse rapide du rapport œstrogène/progestérone qui accompagne la lutéinisation du follicule ovarien, sur la base des métabolites hormonaux urinaires (Baird et al., 1991). Cette estimation de la date d’ovulation basée sur les stéroïdes est appelée « jour de transition lutéale » (DLT).
Les données de ces études ont été utilisées pour estimer les probabilités de grossesse clinique spécifiques à chaque jour et la longueur de l’intervalle fertile. Les probabilités de grossesse spécifiques à un jour (Royston, 1982) ont été rapportées, à partir des données de Barrett et Marshall (Barrett et Marshall, 1969), en utilisant un modèle précédent (Schwartz et al., 1980). La probabilité estimée pour un seul jour augmente jusqu’à un pic de 0,36, 2 jours avant le dernier jour d’hypothermie. Des rapports sexuels aussi tôt que 8 jours avant le dernier jour d’hypothermie, et aussi tard que 3 jours après, ont apparemment abouti à une grossesse. Un schéma similaire, mais avec un intervalle plus court et des estimations plus faibles, a été rapporté (Wilcox et al., 1998). Les probabilités estimées de grossesse sur un seul jour atteignent leur maximum 2 jours avant le jour estimé de l’ovulation. L’intervalle fertile apparent s’étend de ~5 jours avant la DLT à la DLT.
Ces estimations sont sensibles aux erreurs d’identification de la date d’ovulation (Bongaarts, 1983). Pour illustrer cela, imaginez que la grossesse n’est possible qu’avec un rapport sexuel le jour de l’ovulation, et avec une probabilité nulle tous les autres jours. S’il y a une erreur dans l’estimation du jour de l’ovulation, alors le jour estimé sera décalé de ⩾1 jours par rapport au vrai jour pour une certaine proportion de cycles. Certaines grossesses sembleront résulter de rapports sexuels avant ou après l’ovulation. Le modèle apparent est donc étalé, ce qui entraîne un allongement artéfactuel de l’intervalle fertile estimé. Si une telle erreur pouvait être corrigée, les estimations des probabilités spécifiques au jour seraient rendues plus précises et les études utilisant différents marqueurs de l’ovulation pourraient être comparées de manière plus significative.
Dunson et Weinberg ont étendu le modèle de fertilité standard pour permettre une erreur de mesure dans l’identification du jour de l’ovulation (Dunson et Weinberg, 1999a). Ils proposent un modèle de mélange bayésien semi-paramétrique qui permet d’estimer la distribution des erreurs de mesure et de corriger les estimations des paramètres de fécondité en fonction de ces erreurs. L’objectif de cet article est d’appliquer cette approche à une analyse des deux études sur la fécondité afin de : (i) comparer la performance des mesures de l’ovulation par BBT et DLT ; (ii) estimer les probabilités de grossesse spécifiques au jour et identifier la fenêtre fertile, en contrôlant l’erreur de mesure de l’ovulation ; et (iii) comparer les deux modèles de probabilités de grossesse spécifiques au jour.
Matériel et méthodes
Description des populations d’étude et sélection des cycles
Les caractéristiques des deux populations d’étude utilisées dans cette analyse sont résumées dans le tableau I. L’échantillon de l’étude de Barrett et Marshall était composé de couples mariés britanniques qui avaient au moins un enfant au moment de leur entrée dans l’étude (Barrett et Marshall, 1969). Parmi les femmes, 90 % étaient âgées de 20 à 39 ans, le reste étant âgé de 40 à 50 ans. Les couples ont été recrutés après avoir demandé des conseils sur le planning familial naturel auprès du Conseil consultatif du mariage catholique. La plupart essayaient d’éviter une grossesse au début du suivi. Un nombre inconnu de femmes qui produisaient régulièrement des graphiques de température difficiles à interpréter ont été exclues de l’étude, de même que les cycles individuels sans jour d’ovulation identifiable. Les données utilisables comprenaient 2192 cycles menstruels de 241 femmes. Une grossesse a été signalée dans 103 cycles.
L’échantillon de l’étude Wilcox (Wilcox et al., 1988) était composé de femmes de Caroline du Nord qui prévoyaient une grossesse et n’avaient pas d’antécédents de maladie chronique grave ou de problèmes de fertilité. La majorité des femmes avaient fait des études supérieures (71 %) et étaient de race blanche (96 %). Un tiers d’entre elles étaient nullipares et 80 % étaient âgées de 26 à 35 ans. Une seule était âgée de >40 ans. Les données comprenaient 740 cycles menstruels de 221 femmes. Une grossesse a été détectée chimiquement dans 199 de ces cycles. Parmi ces grossesses, 48 ont été définies comme des pertes précoces, car elles se sont terminées dans les 6 semaines suivant la dernière période menstruelle. Les 151 autres grossesses ont survécu suffisamment longtemps pour être détectées par les méthodes utilisées par Barrett et Marshall. Elles sont appelées grossesses cliniques. Nous avons limité l’analyse de l’étude de Caroline du Nord à ces 151 grossesses cliniques (les pertes précoces ont été traitées comme des cycles de non-conception) afin de rendre les deux études comparables. Nous avons également limité l’analyse aux cycles menstruels pour lesquels un jour d’ovulation pouvait être identifié et pour lesquels il n’y avait pas de données manquantes pertinentes sur le moment des rapports sexuels. Il restait donc 674 des 740 cycles initiaux (91%), et 141 des 151 grossesses cliniques (93%).
Méthode analytique : modélisation de la probabilité de grossesse
Les spermatozoïdes peuvent rester viables dans l’appareil reproducteur féminin pendant plusieurs jours ou plus (Perloff et Steinberger, 1964). Par conséquent, s’il y a des rapports sexuels pendant plusieurs jours d’un cycle menstruel où une grossesse se produit, le jour spécifique du rapport sexuel responsable de cette grossesse ne peut pas être déterminé avec certitude.
Une méthode d’estimation des probabilités quotidiennes de grossesse clinique basée sur l’hypothèse que des lots de spermatozoïdes introduits dans le tractus génital à des jours différents se mélangent et rivalisent indépendamment a été proposée (Barrett et Marshall, 1969). Dans le cadre de ce modèle, la probabilité d’une grossesse dans un cycle donné est :
où Xjk est un indicateur de rapports sexuels le jour k du cycle j, j = 1,…, J, et pk peut être interprété comme la probabilité qu’une grossesse se produise avec des rapports sexuels uniquement le jour k.
Le modèle de Barrett et Marshall ne permet que les effets du moment des rapports sexuels. Ce modèle a été étendu (Schwartz et al., 1980) pour permettre à la probabilité de grossesse clinique de dépendre également de facteurs non liés au moment des rapports. Ces facteurs sont résumés dans un paramètre (A) appelé probabilité de « viabilité du cycle », qui est la probabilité que l’ensemble de tous les facteurs non liés au moment des rapports sexuels soit favorable à une grossesse clinique.
Une complication dans ces études est que la plupart des couples contribuent à plus d’un cycle menstruel à l’ensemble des données et il y a des preuves d’hétérogénéité parmi les couples dans la mesure où certains couples ont une probabilité plus élevée de viabilité du cycle. Cela produit une dépendance statistique dans les données. De plus, les couples moins fertiles contribuent à un plus grand nombre de cycles dans l’ensemble des données et faussent donc les estimations de la fécondabilité moyenne. Un modèle à effets aléatoires a été proposé (Zhou et al., 1996) qui tient compte de la dépendance au sein du couple dans la viabilité du cycle. Un modèle similaire sera intégré à l’estimation dans cet article.
Correction des erreurs dans l’estimation du jour de l’ovulation
La plupart des modèles supposent implicitement que le jour de l’ovulation est mesuré sans erreur. Lorsque les marqueurs de l’ovulation sont sujets à des erreurs, l’indice de temps `k’ (désignant le jour relatif à l’ovulation) n’est pas connu avec précision. Une des conséquences est que les études utilisant des méthodes différentes pour estimer l’ovulation n’estiment pas des paramètres `pk’ équivalents, ce qui limite la comparabilité entre les études. Dans un cycle où le jour de l’ovulation a été estimé de manière incorrecte, le délai entre le jour réel et le jour attribué de l’ovulation sera d’un ou plusieurs jours. Le modèle de Zhou et al. (1996) a été étendu (Dunson et Weinberg, 1999a) pour tenir compte de ces erreurs en incluant les paramètres πl, indiquant la probabilité d’un décalage de l jours dans le jour d’ovulation attribué par rapport au vrai jour d’ovulation. Nous expliquons ce modèle plus en détail à l’annexe I.
Idéalement, le `jour 0′ serait interprétable comme le vrai jour de l’ovulation après ajustement pour l’erreur de mesure. Ce serait le cas si le jour d’ovulation attribué sur la base du marqueur ne s’écarte pas systématiquement du véritable jour d’ovulation. Il existe des preuves suggérant que le pic de l’hormone lutéinisante (LH) urinaire (Collins et al., 1983 ; France et al., 1992) et le dernier jour d’hypothermie (France et al., 1992) se produisent tous deux en moyenne près de l’ovulation. Le DLT a été identifié sur la base d’un algorithme conçu pour être concordant avec le jour du pic de LH urinaire (Baird et al., 1991). Ainsi, en moyenne, tant le DLT que le dernier jour d’hypothermie devraient se rapprocher du véritable jour de l’ovulation avec peu de biais systématique.
Combinaison des deux populations d’étude
Une fois que les indicateurs de rapports sexuels des deux études ont été indexés au jour estimé correspondant de l’ovulation, une analyse combinée des deux ensembles de données peut être effectuée. Nous devons cependant tenir compte de la possibilité que la fécondabilité des couples diffère entre les échantillons.
Nous commençons par une analyse de chaque ensemble de données séparément, en comparant les paramètres de viabilité du cycle (A) et les probabilités de grossesse sur un seul jour. Afin de poursuivre la comparaison statistique des résultats des deux études, nous avons fait des hypothèses simplificatrices supplémentaires. Sur la base des résultats des analyses séparées de chaque ensemble de données, nous pouvons mettre en place une analyse combinée parcimonieuse en contraignant un sous-ensemble de paramètres à être équivalents dans les deux études tout en permettant des différences spécifiques entre les deux cohortes. Chaque cohorte a droit à sa propre distribution d’erreurs. Les performances des deux mesures de l’ovulation peuvent être comparées, en testant une différence dans la proportion estimée de cycles où l’ovulation a été attribuée sans erreur.
Nous analysons d’abord chaque ensemble de données séparément en utilisant l’algorithme proposé par Dunson et Weinberg (1999a). Nous contraignons la probabilité de grossesse due à un rapport sexuel en dehors d’une large fenêtre fertile potentielle à être nulle. Nous choisissons la fenêtre fertile potentielle sur la base des estimations du maximum de vraisemblance du modèle de Schwartz qui ne tient pas compte de l’erreur de mesure (Schwartz et al., 1980), en supposant que la fenêtre réelle devrait être contenue dans la fenêtre apparente. Tous les jours avec des probabilités de grossesse sur un jour (Apk) estimées (modèle de Schwartz) >0,01 sont inclus dans la fenêtre.
Selon ce critère, la fenêtre fertile potentielle pour la cohorte de Barrett et Marshall s’étend sur l’intervalle de 9 jours allant de 7 jours avant à 1 jour après le dernier jour d’hypothermie. La fenêtre est de 6 jours dans l’étude de Wilcox et al, allant de 5 jours avant au jour du DLT.
La fenêtre fertile potentielle pour l’analyse combinée est également identifiée sur la base des estimations des probabilités de grossesse clinique sur un seul jour (c’est-à-dire Apk). Comme le modèle suppose que les probabilités spécifiques à un jour sont >0, nous devons définir un seuil pour limiter la largeur de l’intervalle fertile. Les jours sont inclus dans la fenêtre fertile si la borne de confiance inférieure de la probabilité de grossesse clinique est >0,01 ou si l’estimation ponctuelle est >0,035. Après avoir comparé les résultats basés sur des analyses séparées des deux cohortes, nous adoptons un modèle plus parcimonieux pour une analyse conjointe : Ce modèle suppose que les paramètres pk spécifiques au jour sont égaux pour les deux cohortes, mais permet aux cohortes d’avoir des paramètres de viabilité de cycle distincts. Chacune des deux méthodes d’attribution de l’ovulation a droit à sa propre distribution d’erreurs.
Résultats
En utilisant les méthodes décrites ci-dessus, nous avons estimé les distributions d’erreurs de mesure correspondant à la fois au marqueur d’ovulation basé sur la TBC et au marqueur d’ovulation basé sur les hormones. Les distributions d’erreurs estimées sont représentées sur la figure 1. Il apparaît que la mesure basée sur les hormones présente moins d’erreurs que la mesure basée sur la TBC. Selon ces estimations, 60 % des jours d’ovulation estimés par le DLT sont corrects, contre 43 % des jours estimés par la TBC.
Nous utilisons ces estimations d’erreur pour corriger les probabilités de grossesse spécifiques au jour pour l’erreur d’identification de l’ovulation. Dans les deux études, la probabilité maximale de grossesse survient lors de rapports sexuels un jour avant le jour estimé de l’ovulation. L’intervalle fertile ajusté pour les deux études commence ~5 jours avant l’ovulation et se termine le jour de l’ovulation. La différence dans les paramètres pk spécifiques au jour entre les deux cohortes est faible. Cependant, la probabilité moyenne de viabilité du cycle est sensiblement plus faible dans la cohorte de Wilcox et al. (0,35 contre 0,51).
La figure 2 montre les probabilités de grossesse spécifiques au jour corrigées des erreurs pour les cohortes Barrett et Marshall et Wilcox et al. sur la base du modèle groupé parcimonieux décrit ci-dessus. La probabilité de viabilité du cycle est significativement plus faible pour les couples de la cohorte Wilcox et al. (P < 0,01). La distribution des viabilités de cycle pour les couples de chaque étude est présentée dans la figure 3. Il semble que l’hétérogénéité entre les couples en matière de fécondabilité soit plus élevée dans la cohorte de Barrett et Marshall que dans la cohorte de Wilcox et al.
Discussion
Nous avons analysé les données de deux études prospectives de fertilité humaine pour comparer la performance de deux méthodes d’estimation de l’ovulation, pour décrire le modèle spécifique au jour des probabilités de grossesse et pour améliorer l’estimation de l’intervalle fertile. Il semble que la mesure DLT de l’ovulation soit moins sujette aux erreurs que la mesure basée sur la TBC. L’erreur réelle dans l’utilisation de l’augmentation de la TBC peut être plus importante que nous l’estimons : Barrett et Marshall ont écarté un nombre inconnu de cycles parce que les graphiques de température ont été jugés ininterprétables. On a souvent constaté que la TBC identifiait les cycles ovulatoires comme anovulatoires (Kesner et al., 1992) et que la variance d’un marqueur basé sur la TBC par rapport à un marqueur urinaire basé sur la LH était plus grande que celle d’une mesure hormonale basée sur le rapport entre l’œstrogène et la progestérone (Royston, 1991). Il n’est donc pas surprenant que les mesures de l’ovulation basées sur les métabolites urinaires présentent une plus grande fiabilité que la mesure basée sur la température corporelle basale (Vermesh et al., 1987 ; Kesner et al., 1992).
Les erreurs de mesure de l’ovulation faussent les estimations des probabilités de grossesse spécifiques au jour et prolongent la durée apparente de l’intervalle fertile. En contrôlant l’erreur de mesure, notre analyse suggère que l’intervalle fertile commence ~5 jours avant l’ovulation et se termine le jour de l’ovulation (bien que nous ne puissions pas exclure de petites probabilités au-delà de ces limites). Cet intervalle de 6 jours est le même que l’estimation non corrigée de l’étude de Caroline du Nord (Wilcox et al., 1998), mais il est beaucoup plus court que les neuf jours rapportés (Royston, 1982) pour les données de Barrett et Marshall. Les deux études sont en bon accord en ce qui concerne la longueur et la localisation de l’intervalle fertile. Notre estimation de l’intervalle fertile coïncide avec l’absence de Glycodeline A (GdA) contraceptive dans l’utérus (Mandelin et al., 1997 ; Seppala et al., 1998), ce qui suggère que la GdA pourrait jouer un rôle fondamental dans la régulation de l’intervalle fertile.
La probabilité estimée de grossesse clinique est la plus élevée le jour précédant l’ovulation. La correction de l’erreur de mesure de l’ovulation dans les données de Barrett et Marshall a réduit la probabilité estimée de grossesse à près de zéro après le jour de l’ovulation, ce qui correspond au résultat précédemment rapporté avec l’analyse (non corrigée) des données de Wilcox (Wilcox et al., 1995, 1998). Cela suggère que l’ovocyte a une viabilité très courte après l’ovulation et/ou que les spermatozoïdes déposés dans le tractus génital après l’ovulation sont incapables d’atteindre l’ovocyte.
La constatation que le pic estimé de fécondabilité se situe le jour précédant l’ovulation diffère des résultats précédemment rapportés (Wilcox et al., 1995) montrant un pic de fécondabilité le jour de l’ovulation. L’analyse précédente incluait à la fois les pertes précoces et les grossesses cliniques, alors que nous n’utilisons que les grossesses cliniques. Si les rapports sexuels ont lieu le jour de l’ovulation, l’ovule peut avoir vieilli au moment de la fécondation. Cela a été suggéré comme une explication de la probabilité apparemment élevée de perte précoce trouvée pour les conceptions résultant de rapports sexuels le jour de l’ovulation (Wilcox et al., 1998), une possibilité qui pourrait expliquer la différence entre les modèles rapportés.
Les couples ayant des difficultés à concevoir essaient souvent de chronométrer leurs rapports sexuels pour optimiser leurs chances. Étant donné que les taux de conception les plus élevés sont enregistrés dans les deux jours précédant l’ovulation, il est important d’utiliser un signal qui permette aux couples de programmer les rapports sexuels pendant les quelques jours de fertilité précédant l’ovulation. Le changement de température corporelle basale intervient trop tard. Les kits de LH urinaire n’identifient que la courte période entre le début de la montée de LH urinaire et l’ovulation (Collins et al., 1983). Le changement de la glaire cervicale fournit un indice plus précoce et plus utile. La réceptivité de la glaire commence plusieurs jours avant l’ovulation (Katz et al., 1997), de sorte que les couples qui ont des rapports fréquents après cet indice auront tendance à avoir des rapports les jours où les probabilités de grossesse clinique sont les plus élevées.
Les estimations de la fécondabilité par jour étaient significativement plus faibles dans les données de Wilcox que dans celles de Barrett et Marshall. Il y a plusieurs explications possibles. Il est possible que cela reflète des différences dans les spermatozoïdes entre les mâles des deux populations. Une possibilité plus probable est que la sélection des cycles pour l’analyse a pu fausser la fécondité apparente dans les deux cohortes. Dans les deux études, certains cycles ont été exclus de l’analyse. Dans l’étude de Barrett et Marshall, un nombre inconnu (mais probablement important) de cartes de température ont été écartées parce qu’elles étaient difficiles à interpréter. Si ces cycles écartés étaient plus susceptibles de provenir de cycles de non-grossesse (par exemple, les cycles avec des graphiques de température erratiques ont tendance à être moins fertiles), alors l’estimation de la fertilité basée sur les cycles non écartés serait biaisée vers le haut. Seul un petit nombre des cycles écartés de l’étude de Wilcox et al. étaient des cycles anovulatoires ou hormonalement anormaux. La majorité des cycles exclus l’ont été en raison de l’absence de données sur les rapports sexuels (c’est-à-dire que la femme n’a pas indiqué « oui » ou « non » pour les rapports sexuels un jour donné). Les données de Barrett et Marshall sont encore moins informatives de cette manière, puisque les femmes n’ont marqué que les jours où elles ont eu des rapports sexuels, ce qui ne permet pas de distinguer les « non » des données manquantes. La possibilité que certains actes sexuels n’aient pas été enregistrés produit une autre source potentielle de biais à la hausse dans les estimations des probabilités journalières basées sur les données britanniques (Dunson et Weinberg, 1999b).
Il est également possible que les couples de la cohorte Barrett et Marshall qui ont eu des rapports pendant l’intervalle fertile aient été plus féconds que les couples qui n’ont eu que des rapports en dehors de cet intervalle. Étant donné que la plupart des couples de l’étude britannique essayaient d’éviter une grossesse, les couples qui ont eu des rapports pendant l’intervalle fertile n’ont peut-être pas pu s’abstenir pendant un nombre de jours suffisant. Si ces couples à forte libido sont plus fertiles, alors cette auto-sélection vers un comportement à haut risque créerait un biais à la hausse dans les estimations des probabilités quotidiennes de grossesse basées sur les couples qui tentent de recourir à l’abstinence pour éviter la conception.
D’autres facteurs liés à la fécondabilité diffèrent également entre les deux groupes d’étude. Les couples britanniques avaient tous été enceintes auparavant, alors qu’environ un tiers des couples de Caroline du Nord tentaient une grossesse pour la première fois, leur fertilité n’était donc pas prouvée. Les couples de Caroline du Nord tentaient tous de concevoir, tandis que les groupes britanniques comprenaient des couples ayant des grossesses accidentelles et celles-ci sont plus susceptibles de se produire chez les couples les plus féconds.
En résumé, les méthodes appliquées dans cet article peuvent être utilisées pour corriger les biais dans l’estimation de l’intervalle fertile et des probabilités de grossesse spécifiques à un jour, pour comparer la fécondabilité dans plusieurs populations et pour comparer la performance des mesures disponibles de l’ovulation. Si l’erreur dans la détermination du jour de l’ovulation n’est pas prise en compte, les estimations de l’intervalle fertile et des probabilités de grossesse spécifiques au jour dépendront de la méthode d’évaluation de l’ovulation, c’est-à-dire que différentes méthodes d’estimation de l’ovulation donneront souvent des conclusions différentes. Une vaste étude européenne actuellement en cours recueille des données sur la température corporelle basale et sur les changements auto-évalués de la glaire cervicale. En utilisant comme marqueur le dernier jour d’hypothermie basé sur les mesures de la TBC, les estimations préliminaires des probabilités de grossesse spécifiques à chaque jour pour l’étude en cours sont aussi élevées que 0,04 sur l’intervalle allant de 8 jours avant à 2 jours après l’estimation de l’ovulation (Masarotto et Romualdi, 1997). Il est probable que cette fenêtre apparente de 11 jours se réduirait considérablement si l’on tenait compte des erreurs de mesure. Les analyses futures corrigeant les erreurs dans l’identification de l’ovulation pourraient comparer les fécondabilités entre les pays dans cet effort multinational, comparer les méthodes alternatives de détection de l’ovulation à la DLT et à l’augmentation de la TBE, ainsi que comparer les paramètres de fertilité de cette nouvelle cohorte à ceux des cohortes décrites ici.
Annexe I. Prise en compte des erreurs d’ovulation
Méthodes
Selon le modèle de Schwartz et al. (1980), la probabilité de grossesse pour le cycle j conditionnellement à un décalage de l jours est
Avec l’incorporation des erreurs, comme proposé par Dunson et Weinberg (1999a) la vraisemblance des données observées est :
où Yj vaut 1 si une grossesse a eu lieu au cours du cycle j et 0 sinon et πl est la probabilité que le jour d’ovulation identifié soit l jours avant le vrai jour d’ovulation.
Nous faisons plusieurs hypothèses simplificatrices. Tout d’abord, nous supposons que les probabilités de grossesse spécifiques au jour sont égales à 0 en dehors d’une fenêtre fertile. Ensuite, nous supposons que, à l’intérieur de la fenêtre fertile, les probabilités augmentent jusqu’à un pic, puis diminuent. Les probabilités d’erreur, πl, sont également supposées être égales à 0 en dehors d’une fenêtre. Elles sont contraintes de diminuer à partir d’un pic à l = 0. Pour que les paramètres pk puissent être interprétés comme des probabilités relatives au véritable jour de l’ovulation, il est nécessaire de supposer que la différence la plus probable entre le jour d’ovulation estimé et le véritable jour de l’ovulation est connue. Cette différence peut hypothétiquement être vérifiée à l’aide de données provenant d’études de validation qui enregistrent à la fois le jour de la rupture folliculaire et le jour estimé à l’aide du marqueur. Les paramètres pk et l’intervalle fertile estimés sont valides même si cette différence est mal spécifiée. Cependant, les indices k seront systématiquement décalés. La corrélation intra-couple est prise en compte à l’aide d’un modèle à effets aléatoires bêta-binomial (Lee et Sabavala, 1987 ; Zhou et al., 1996).
Analyse
L’algorithme de Monte Carlo par chaîne de Markov (MCMC) proposé dans Dunson et Weinberg (1999a) peut être appliqué directement avec l’ajout sur une étape de Metropolis pour estimer β. Nous attribuons à β une distribution antérieure diffuse. L’algorithme est itéré 120 000 fois et les 10 000 premiers échantillons sont rejetés. La convergence est vérifiée à l’aide du diagnostic de Geweke (Geweke, 1992).
Caractéristiques des populations étudiées.
| Caractéristiques . | Barrett et Marshall . | Wilcox et al. (1988) . | |
|---|---|---|---|
| *Nombre total de cycles inconnu. | |||
| TBC = température corporelle de base ; DLT = jour de la transition lutéale. | |||
| Indicateur d’ovulation | hausse de la TBC | DLT | |
| No. de femmes | 241 | 221 | |
| Pourcentage avec une grossesse antérieure | 100 | 64 | |
| Pourcentage >30 ans | 55 | 30 | |
| No. de cycles totaux | * | 740 | |
| Nombre de cycles en analyse | 2192 | 674 | |
| Nombre de grossesses cliniques | . de grossesses cliniques | 103 | 151 |
| Caractéristiques . | Barrett et Marshall . | Wilcox et al. (1988) . | |
|---|---|---|---|
| *Nombre total de cycles inconnu. | |||
| TBC = température corporelle de base ; DLT = jour de la transition lutéale. | |||
| Indicateur d’ovulation | hausse de la TBC | DLT | |
| No. de femmes | 241 | 221 | |
| Pourcentage avec une grossesse antérieure | 100 | 64 | |
| Pourcentage >30 ans | 55 | 30 | |
| No. de cycles totaux | * | 740 | |
| Nombre de cycles en analyse | 2192 | 674 | |
| Nombre de grossesses cliniques | . de grossesses cliniques | 103 | 151 |
Caractéristiques des populations étudiées.
| Caractéristiques . | Barrett et Marshall . | Wilcox et al. (1988) . | |
|---|---|---|---|
| *Nombre total de cycles inconnu. | |||
| TBC = température corporelle de base ; DLT = jour de la transition lutéale. | |||
| Indicateur d’ovulation | hausse de la TBC | DLT | |
| No. de femmes | 241 | 221 | |
| Pourcentage avec une grossesse antérieure | 100 | 64 | |
| Pourcentage >30 ans | 55 | 30 | |
| No. de cycles totaux | * | 740 | |
| Nombre de cycles en analyse | 2192 | 674 | |
| Nombre de grossesses cliniques | . de grossesses cliniques | 103 | 151 |
| Caractéristiques . | Barrett et Marshall . | Wilcox et al. (1988) . | |
|---|---|---|---|
| *Nombre total de cycles inconnu. | |||
| TBC = température corporelle de base ; DLT = jour de la transition lutéale. | |||
| Indicateur d’ovulation | hausse de la TBC | DLT | |
| No. de femmes | 241 | 221 | |
| Pourcentage avec une grossesse antérieure | 100 | 64 | |
| Pourcentage >30 ans | 55 | 30 | |
| No. de cycles totaux | * | 740 | |
| Nombre de cycles en analyse | 2192 | 674 | |
| Nombre de grossesses cliniques | . de grossesses cliniques | 103 | 151 |
Distribution estimée de l’erreur dans deux marqueurs de l’ovulation. La ligne en pointillés représente l’erreur dans le dernier jour d’hypothermie, et la ligne en pointillés représente l’erreur dans le jour de la transition lutéale (estimée à partir des hormones urinaires). BBT = température corporelle basale ; DLT = jour de transition lutéale.
Distribution estimée de l’erreur dans deux marqueurs de l’ovulation. La ligne pointillée représente l’erreur dans le dernier jour d’hypothermie, et la ligne pointillée représente l’erreur dans le jour de la transition lutéale (estimée à partir des hormones urinaires). BBT = température corporelle basale ; DLT = jour de transition lutéale.
Probabilité estimée d’obtenir une grossesse clinique sur la base d’un seul acte sexuel dans chaque étude. La ligne pointillée représente les estimations de la cohorte de Barrett et Marshall, et les lignes pointillées représentent les estimations de la cohorte de Wilcox et al.
Probabilité estimée d’obtenir une grossesse clinique sur la base d’un seul acte sexuel dans chaque étude. La ligne pointillée représente les estimations de la cohorte de Barrett et Marshall, et les lignes pointillées représentent les estimations de la cohorte de Wilcox et al.
Fonction de densité estimée des viabilités de cycle pour les couples de l’étude de Barrett et Marshall (ligne pointillée) et les couples de l’étude de Wilcox et al. (ligne pointillée).
Fonction de densité estimée des viabilités de cycle pour les couples de l’étude de Barrett et Marshall (ligne pointillée) et les couples de l’étude de Wilcox et al. (ligne pointillée).
À qui la correspondance doit être adressée
Les auteurs tiennent à remercier le Dr Glinda Cooper et le Dr Haibo Zhou pour leur lecture attentive du manuscrit.
Baird, D.D., Weinberg, C.R., Wilcox, A.J. et al. (
) Utilisation du rapport des métabolites urinaires d’œstrogène et de progestérone pour estimer le jour de l’ovulation.
,
,
-266.
Barrett, J. C. et Marshall, J. (
) Le risque de conception à différents jours du cycle menstruel.
,
,
-461.
Bongaarts, J. (1983) The proximate determinants of natural marital fertility. Dans Bulatao, R.A., Lee, R.D., Hollerbach, P.E. et Bongaarts, J. (eds), Determinants of Fertility in Developing Countries. Vol. 1. Academic Press, New York, USA, pp. 103-138.
Collins, W.P., Branch, C.M., Collins, P.O. et Sallam, H.M. (
) Indices biochimiques de la période fertile chez la femme.
,
,
.
Dunson, D.B. et Weinberg, C.R. (1999a) Modeling human fertility in the presence of measurement error. Biometrics, sous presse.
Dunson, D.B. et Weinberg, C.R. (1999b) Accounting for unreported and missing intercourse in human fertility studies. Stat. Med., sous presse.
France, J.T., Graham, F.M., Gosling, L. et al. (
) Caractéristiques des cycles de conception naturelle survenant dans une étude prospective de présélection du sexe : symptômes de sensibilisation à la fertilité, niveaux hormonaux, survie des spermatozoïdes et issue de la grossesse.
,
,
-255.
Geweke, J. (1992) Evaluating the accuracy of sampling-based approaches to the calculation of posterior moments. Dans Bernardo, J.M., Berger, J.O., Dawid, A.P. et Smith, A.F.M. (eds), Bayesian Statistics. Vol. 4. Clarendon Press, Oxford, Royaume-Uni, pp. 169-193.
Katz, D.F., Slade, D.A., et Nakajima, S.T. (
) Analyse des changements pré-ovulatoires dans l’hydratation du mucus cervical et la pénétrabilité des spermatozoïdes.
,
,
-151.
Kesner, J.S., Wright, D.M., Schrader, S.M. et al. (
) Méthodes de surveillance de la fonction menstruelle dans les études de terrain : efficacité des méthodes.
,
,
-400.
Mandelin, E., Koistinen, H., Koistinen, R. et al. (
) Les femmes portant un dispositif intra-utérin à libération de lévonorgestrel expriment la glycodéline A contraceptive dans l’endomètre au milieu du cycle : un autre mécanisme contraceptif ?
,
,
-2675.
Masarotto, G. et Romualdi, C. (
) Probabilité de conception à différents jours du cycle menstruel : un exercice en cours.
,
,
-115.
Perloff, W.H. et Steinberger, E. (
) Survie in vivo des spermatozoïdes dans le mucus cervical.
,
,
-442.
Royston, J.P. (
) Température corporelle basale, ovulation et risque de conception, avec une référence particulière aux durées de vie des spermatozoïdes et des ovules.
,
,
-406.
Royston, P. (
) Identification de la phase fertile du cycle menstruel humain.
,
,
-240.
Schwartz, D., MacDonald, P.D.M. et Heuchel, V. (
) Fécondabilité, fréquence coïtale et viabilité des ovules.
,
,
-461.
Seppala, M., Koistinen, H., Mandelin, E. et al. (
) Glycodelines : rôle dans la régulation, potentiel pour le développement de contraceptifs et le diagnostic de l’infertilité masculine.
,
,
-269.
Vermesh, M., Kletzky, O.A., Davajan, V., Israel, R. (
) Techniques de surveillance pour prédire et détecter l’ovulation.
,
,
-264.
Wilcox, A.J., Weinberg, C.R., O’Connor, J.F. et al. (
) Incidence de la perte précoce de grossesse.
,
,
-194.
Wilcox, A.J., Weinberg, C.R., et Baird, D.D. (
) Moment des rapports sexuels par rapport à l’ovulation.
,
,
-1521.
Wilcox, A. J., Weinberg, C. R., et Baird, D. D. (
) Vieillissement post-ovulatoire de l’ovocyte humain et échec embryonnaire.
,
,
-397.
Zhou, H., Weinberg, C.R., Wilcox, A.J., et Baird, D.D. (
) Un modèle à effets aléatoires pour la viabilité du cycle dans les études de fertilité.
,
,
-1422.
.
Laisser un commentaire