对许多育龄妇女来说,评估其月经健康和生育能力的最常见方法是定期去看妇科医生或其他临床医生。当评估生育能力、月经健康和生活质量的变化时,这些访问通常依赖于记忆,这可能会导致评估的严重错误。另一方面,如今许多女性开始求助于所谓的“生育意识方法”(FAM)应用程序来支持她们跟踪自己的月经周期。这类应用程序有很多,这表明它们近年来变得多么流行。
但是FAM应用有多精确呢?用户跟踪什么?他们能帮助她们和她们的妇科医生吗?这些问题很难回答,原因很简单:目前还没有在人口水平上对访问和使用应用程序进行系统研究,以确定和比较它们在评估月经健康和生育能力方面的准确性。
这就是EPFL数字流行病学实验室的Laura Symul所做的。与斯坦福大学合作(她现在已经加入了斯坦福大学),Symul领导了一项大规模的研究,研究了两个FAM应用程序的20万用户,分别是symto和Kindara。这两个应用程序都支持“症状-热方法”,并通过考虑宫颈液、醒来时体温和其他生物体征的记录,方便识别女性月经周期的生育和不育时间。
科学家们对超过270万个月经周期进行了超过3000万天的观察。整个研究有两个目的:首先,看看用户是如何和自愿跟踪FAM应用的。其次,找出这些记录是否能够准确地检测和估计排卵时间。
就用户统计数据和行为而言,研究发现,典型的FAM应用用户年龄在30岁左右,生活在西方国家(欧洲或北美),拥有健康的BMI。当应用程序用户记录性交时,他们会更频繁地记录自己的观察结果。当你在人口水平上观察他们时,报告的生育意识身体迹象显示出的时间模式与小规模临床研究中发现的非常接近。
分析数据后,科学家们发现,寻求怀孕的女性每天记录的症状-体温测量值高达她们月经周期的40%。然后,通过对数据建模,他们发现卵泡期(从月经周期开始,到排卵结束)的平均持续时间和范围比之前报道的要大。事实上,模型显示只有24%的排卵发生在月经周期的第14至15天。另一方面,数据显示黄体期(月经周期的后半部分)的持续时间和范围与之前的研究相吻合。
这些发现为大规模研究月经周期和其他生理系统之间的相互作用提供了一种负担得起的方法。“我们的研究为用户和他们的医生提供了一个共同的基础,在他们的访问中纳入数字记录,评估他们自己的月经模式,并将其与我们报告的数据进行比较,”劳拉·赛穆尔说。
她接着说:“新技术,尤其是自我跟踪,正在改变我们对自己身体和健康的看法。用户和医生都想知道数字自我跟踪的机会和有用性。我们的研究表明,用户自愿频繁地跟踪他们的月经周期和生育相关的身体体征,他们所追踪的与绝大多数情况下的预期一致。虽然这些测量和观察是嘈杂的,也不是完全有规律的,但它们提供了有价值的信息,以一种在时间和参与者数量上都可伸缩的方式,来推断潜在的荷尔蒙变化和排卵时间。”
数字流行病学实验室主任Marcel Salathé补充道:“这里提出的数字流行病学方法可以帮助我们更好地理解月经健康及其与女性整体健康的关系,这在历史上一直被严重忽视。”