lq到底是什么意思_AMH的高低到底什么意思,检查的意义是什么呢?

我从事辅助生殖技术专业多年,阅尽女性生育力低下或生育力丧失对患者的打击和磨难、在帮助和陪伴她们努力争取生育机会的历程中也目睹了无数由此导致的人间悲喜剧。对女性生育力在人生中的重要性有着太多的话要说,苦于忙碌和笔拙一直未能成文。幸遇在美国加州做辅助生殖技术的同行孟医生,一位被医生职业耽误了的作家(我称她为作家因为她的文笔流畅诙谐有趣),特请她挥笔就此话题写几篇文章科普一下。我们不久前已分享了她的短文“生育力保存”,现在又有了一篇“AMH检查的意义是什么?”。再次感谢孟医生!她的文中提到的技术在不同国家和地区由于法律法规不同而未必都可实施,但对生育力的关注是人类共同的。

aa3a536c1ced0701a706dd7921bb366e.png

AMH的高低到底什么意思?

这个礼拜我们中心的小姑娘,小媳妇们发起了挑战你的AMH的活动,所有已婚的,未婚的,没有想好要不要结婚的,都测了个AMH,结果所有人都拿着结果来我这咨询,这个数值对她的人生规划有啥影响-是明天就和小哥结婚呢,还是我再等等我的MR.Right?

要解释AMH是啥,我们先从卵巢说起。 卵巢,是我们储存卵子(种子)的地方,注意只是存储。男性的种子(精子)是韭菜,用完一拨又一拨,女性的种子(卵子)是稀土矿,用了一颗少一颗。青春期的女孩大概有30万-40万个卵子,听起来数量不少,但是卵巢不是个会过日子的主,进入青春期后,虽然卵巢每个月只排一个卵,但是有大约1000个卵子在卵巢中无声无息,悄悄死去……。所以计算一下, 当我们进入青春期15年后(30岁的时候),虽然我们依旧青春无敌,有大把的青春可以挥霍,但是我们的卵巢已经丢失了一半—大约15万个卵子了!所以人过30(岁)就要考虑您的人生三大件-房子,票子和卵子!

e246dad1af3d8e104503f2053272b47d.png

这个世界从来没有公平过,有凤姐就有李嘉欣(凤姐别怒啊,很有可能你的卵巢功能比李嘉欣强n个数量级呢)。有人59岁自然怀孕(世界纪录)就有人20岁已经绝经。而且卵巢功能从来都没有写在脸上,神仙姐姐也有可能早!因此,小仙女们都希望通过某种途径知道自己的卵巢功能,希望自己秀外慧中,如果不幸自己卵巢功能不尽人意,也好早做准备。这就是检查卵巢储备功能(AMH,FSH,B超检查)的由来。

以前我们用FSH (脑分泌的一个激素,卵巢的老板,卵巢懒惰了就多分泌一些,敲打敲打卵巢,卵子越多,FSH 越低)来预测卵巢储备, FSH 是个很不靠谱的检查,当年我们用FSH 大于10作为卵巢功能下降的标准,棒打了多少鸳鸯! 多少莺莺因为自己的FSH是10.000001,感概自己心比天高,卵巢比纸薄,无奈,没有勇气等待远赴西域的张生哥哥,只能下嫁隔壁卖菜的老王,本以为只能抓住青春的尾巴,结果娃生了一个又一个……

现在我们用AMH(卵巢自主分泌的一个激素,卵子越多,AMH就越高),其实也就比FSH稍强一点点,好在我们现在的江湖郎中比莺莺的御用医生强点,一般不会再建议莺莺嫁给老王,顶多让莺莺冻几个卵子。但AMH真心远不如年龄来的靠谱,而且AMH的检查和其他一切的生物学检查一样,波动很大,同一个人,同一份血样,测两次可以差40%,所以1.1的女神千万不要去1.0的女神那炫富,其实你俩是一样迷人的。

说到底呢,任何实验室检查都不如年龄有意义,30岁的仙女比40岁的仙女哪怕AMH 低一个数量级,也很有可能试管/冻卵的效果好很多。如果已经40岁的仙女们抓紧,抓紧,再抓紧,今天总比明天好!总之,出名要趁早,试管/冻卵也一样,实验室检查只是参考,趁早是王道!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是修改后的代码: ```R # 处理数据 returns <- read.csv("stock_returns.csv") returns <- returns[, -1] # 去掉第一列 n <- nrow(returns) rank_data <- apply(log(1 + returns), 2, rank)/(n+1) # 计算对数收益率的排名 stock_data_std <- apply(log(1 + returns), 2, function(x) pobs(x)) # 将对数收益率转化为标准正态分布 rank_data_std <- apply(rank_data, 2, function(x) pobs(x)) # 将排名转化为标准正态分布 # 拟合Copula模型 best_copula_stock <- function(data1, data2) { normal_copula <- normalCopula(param = 0.5, dim = 2) t_copula <- tCopula(param = 0.5, dim = 2, df = 4) gumbel_copula <- gumbelCopula(param = 2, dim = 2) archm_copula <- archmCopula("clayton", param = 2, dim = 2) copulas <- list(normal_copula, t_copula, gumbel_copula, archm_copula) copula_names <- c("Normal", "t", "Gumbel", "archm_copula") aic_values <- numeric(length(copulas)) for(i in 1:length(copulas)) { fit <- fitCopula(copulas[[i]], cbind(data1, data2), method = "mpl") aic_values[i] <- AIC(fit) } min_aic_index <- which.min(aic_values) best_copula <- copulas[[min_aic_index]] print(paste("Best copula is", copula_names[min_aic_index])) return(best_copula) } best_copula_stock(rank_data_std, stock_data_std) ``` 这里将数据读入并处理成对数收益率的排名和标准正态分布形式。在`best_copula_stock`函数中,将数据1和数据2合并成一个矩阵,并使用最大似然估计法拟合四种Copula模型(normal、t、gumbel和archm_copula),并计算AIC值。最后选择AIC值最小的Copula模型并返回。最后调用`best_copula_stock`函数并传入排名和标准正态分布数据作为参数,即可得到最合适的Copula模型。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值