Որքանո՞վ են ճշգրիտ ամսականի հետևման հավելվածները։ Ապացույցները

Անկախ թեստավորումը ցույց է տալիս հետևողական պատկեր. ճշգրտությունը կախված է ցիկլի կանոնավորությունից, ոչ թե հավելվածի բարդությունից։ Women's Health ամսագրում հրապարակված 2021 թվականի ուսումնասիրությունը թեստավորեց տասը հայտնի հավելված ռեալիստական օգտատերերի պրոֆիլների վրա՝ վեց սիմուլացված ցիկլերի ընթացքում։ Կատարելապես կայուն 28-օրյա ցիկլ ունեցող պրոֆիլի համար յուրաքանչյուր հավելված ճիշտ կանխատեսեց հաջորդ ամսականը։ Բոլոր մյուսների համար կանխատեսումները սխալվում էին 0–8 օրով, իսկ անկանոն ցիկլի պրոֆիլի համար ամսականի կանխատեսումները հետևողականորեն ուշանում էին 2–8 օրով։

Ավելի վաղ ակադեմիական գրախոսությունները ավելի խիստ էին։ Obstetrics & Gynecology ամսագրում 2016 թվականի գրախոսությունը ուսումնասիրեց հավելվածների խանութների լանդշաֆտը և գնահատեց, որ ամսականի հետևման անվճար հավելվածների մեծ մասը ոչ ճշգրիտ է, նշելով, որ քչերն են հղում կատարել բժշկական գրականությանը կամ ներգրավել առողջապահության մասնագետների։ 2016 թվականի հարակից ուսումնասիրությունը պարզեց, որ դասագրքային 28-օրյա ցիկլի դեմ թեստավորված 33 հավելվածներից միայն 3-ն են ճշգրիտ կանխատեսել բեղմնավոր պատուհանը։

Գործնական եզրակացությունը «հավելվածներն անօգուտ են» չէ — այլ այն, որ կանխատեսված ամսաթիվը գնահատական է, որն ունի սխալի սահման, որը հավելվածը սովորաբար ձեզ չի ցույց տալիս։ Կանոնավոր ցիկլերի համար ակնկալեք, որ ամսականի կանխատեսումը ճիշտ կլինի մեկ-երկու օրվա ընթացքում։ Անկանոն ցիկլերի համար կանխատեսումը դիտարկեք որպես մոտավոր պատուհան և ապավինեք ձեր մարմնի ազդանշաններին՝ նախորդ օրերին։

Շատ ավելի քիչ ճշգրիտ, քան ամսականի կանխատեսումները — և այս թեմայով լավագույն ուսումնասիրությունը միանշանակ է։ 2018 թվականին հետազոտողները հետևեցին 949 կանանց ամբողջ ցիկլի ընթացքում մեզի LH (լյուտեինացնող հորմոն) թեստավորմամբ, որը հայտնաբերում է ձվազատումից առաջ եղած հորմոնային աճը, և համեմատեցին հորմոնալ կերպով հաստատված ձվազատման օրը օրացույցի վրա հիմնված հավելվածների կանխատեսումների հետ։ Հավելվածների ճշգրտությունը ձվազատման փաստացի օրը հայտնաբերելիս ոչ ավելի բարձր էր, քան 21%։

Նույն ուսումնասիրությունը ջախջախեց 14-րդ օրվա ենթադրությունը։ 28-օրյա ցիկլ ունեցող կանանց մոտ ամենատարածված ձվազատման օրը 16-րդ օրն էր, ոչ թե 14-րդը — և կանանց միայն մոտ 15%-ն էր, ովքեր կարծում էին, որ ունեն 28-օրյա ցիկլ, իրականում ունեին այն։ 2021 թվականի տասը-հավելվածների թեստում, կանոնավոր-նման պրոֆիլների համար կատարված 36 ձվազատման-օրվա կանխատեսումներից միայն 3-ն էին ամբողջովին ճիշտ, և երկու երրորդը սխալվում էին 2–9 օրով՝ ավելի վաղ։ Մի քանի հավելվածներ ցուցադրում էին ֆիքսված 7-օրյա բեղմնավոր պատուհան՝ անկախ օգտատիրոջ ցիկլի տևողությունից։

Կենսաբանությունը բացատրում է պատճառը. ձվազատման ժամանակացույցը որոշվում է ֆոլիկուլային փուլով, որը ցիկլի ամենափոփոխական մասն է։ Նախորդ ամսաթվերը պարզապես չեն պարունակում այն տեղեկատվությունը, որն անհրաժեշտ է ապագա ձվազատման օրը ճշգրիտ որոշելու համար — ահա թե ինչու օրացույցը կարող է գնահատել, բայց երբեք հաստատել։

Որովհետև իրական ցիկլերը շատ ավելի փոփոխական են, քան դասագրքային մոդելը, որը ժառանգել են հավելվածները։ Ցիկլային տվյալների ամենամեծ հրապարակված վերլուծությունը — Natural Cycles հավելվածի մոտ 124,000 օգտատերերի 600,000-ից ավելի ձվազատող ցիկլեր, որը հրապարակվել է npj Digital Medicine-ում 2019 թվականին — պարզեց, որ միջին ցիկլը 29.3 օր է, և ցիկլերի ընդամենը 13%-ն է ճշգրտորեն 28 օր։ (Արժե նշել. ուսումնասիրությունը հիմնված էր Natural Cycles-ի սեփական օգտատերերի տվյալների վրա։)

Ավելի կարևոր է, որ ուսումնասիրությունը ցույց տվեց, թե որտեղ է գտնվում փոփոխականությունը։ Ֆոլիկուլային փուլը — ամսականի սկզբից մինչև ձվազատում — միջինում կազմում էր 16.9 օր, բայց կանանց միջև տատանվում էր մոտավորապես 10-ից 30 օր։ Ձվազատումից հետո ընկած լյուտեալ փուլը շատ ավելի կայուն էր՝ միջինում 12.4 օր։ Ցիկլերը նաև համակարգված կերպով փոփոխվում են. միջին տևողությունը մի փոքր կրճատվում է 25-ից 45 տարեկան հասակում, և ավելի բարձր BMI-ն կապված է ավելի մեծ փոփոխականության հետ։

Հավելվածը, որը կանխատեսում է ձեր նախորդ ցիկլերի տևողությունից, ըստ էության միջինացնում է հենց այն փուլը, որն ամենաշատն է փոփոխվում։ Սթրեսը, հիվանդությունը, ճամփորդությունը և քնի խանգարումը կարող են հետաձգել ձվազատումը տվյալ ցիկլում, և երբ ձվազատումը տեղաշարժվում է, դրանից հետո ամեն ինչ նույնպես տեղաշարժվում է։ Դա ձեր հավելվածի սխալ չէ — դա միայն ամսաթվերի վրա հիմնված տվյալների սահմանափակումն է։

Որոշ չափով — բայց ավելի քիչ, քան մարքեթինգն է ենթադրում։ Ավելի շատ գրանցված ցիկլերը հավելվածին տալիս են ձեր անհատական միջինի և տարածվածության ավելի լավ գնահատական. 2016 թվականի ակադեմիական ճշգրտության գրախոսությունը որպես նվազագույն շեմ օգտագործեց առնվազն երեք գրանցված ցիկլից կանխատեսումը։ Եթե ձեր ցիկլերը բավականին կանոնավոր են, մի քանի ամսվա տվյալները իսկապես ամրապնդում են կանխատեսումները՝ համեմատած առաջին օրվա կանխադրված արժեքների հետ։

Այն, ինչ ավելի շատ տվյալները չեն կարող անել, դա հաղթահարել ցիկլից-ցիկլ փոփոխականությունը։ Եթե ձեր ցիկլը տատանվում է 26-ից 34 օր, ոչ մի քանակությամբ պատմություն չի կարող դարձնել միայն ամսաթվերի վրա հիմնված կանխատեսումը ճշգրիտ — տեղեկատվությունը ամսաթվերի մեջ չէ։ Հավելվածների պնդումները գրախոսող հետազոտողները նշել են, որ «ինքնուսուցող ալգորիթմի» բարելավումները հիմնականում հավելվածի մարքեթինգային պնդում են, այլ ոչ թե անկախ ստուգված արդյունք. ոչ մի հրապարակված ուսումնասիրություն ցույց չի տալիս, որ օրացույցի վրա հիմնված կանխատեսումն ավելի շատ տվյալներով հասնում է կլինիկական ճշգրտության։

Ազնիվ մոտեցումն այն է. հետևողականորեն գրանցելն արժե՝ ավելի լավ անհատական միջինի համար, և առավել ևս՝ ախտանիշների պատմության և օրինաչափությունների հայտնաբերման համար, որոնք հետևումը դարձնում են կլինիկորեն օգտակար։ Պարզապես մի սպասեք, որ գնահատականը վերածվի երաշխիքի։

Ապացույցները մատնանշում են մեկ մեծ լծակ. ամսաթվերին ավելացրեք ֆիզիոլոգիական ազդանշան։ Ձվազատումը կարելի է որոշել — ոչ միայն գնահատել — բազալ մարմնի ջերմաստիճանից (որը բարձրանում է ձվազատումից հետո), մեզի LH թեստերից (որոնք հայտնաբերում են ձվազատումից առաջ եղած աճը), կամ արգանդի վզիկի լորձի փոփոխություններից։ Frontiers in Public Health-ում 2018 թվականի գնահատումը միայն-օրացույցային հավելվածներին տվեց 0 միավոր 30-ից՝ բեղմնավոր պատուհանի որոշման ապացուցողական չափանիշներով, մինչդեռ սիմպտոթերմալ հավելվածները, որոնք օգտագործում են ընթացիկ ցիկլի նշանները, ստացան մինչև 20 միավոր 30-ից։ 2019 թվականի npj Digital Medicine-ի հեղինակները հասան նույն եզրակացության. բեղմնավոր պատուհանի հայտնաբերումը պահանջում է ֆիզիոլոգիայի հետևում, ոչ միայն ցիկլի տևողություն։

Երկրորդ լծակը. չափեք ձեր սեփական փոփոխականությունը։ Հետևեք մի քանի ամիս և նայեք ձեր փաստացի տիրույթին։ Եթե ձեր ցիկլերը ընկած են 27–29 օրվա միջակայքում, հավելվածի կանխատեսումները լավ կծառայեն ձեզ։ Եթե դրանք ընկած են 25–35 միջակայքում, օգտագործեք կանխատեսված ամսաթվերը որպես պատուհանի միջին կետ, ոչ թե վերջնաժամկետ։

Երրորդը. գրանցեք այն գործոնները, որոնք բացատրում են շեղումները — սթրես, հիվանդություն, ճամփորդություն, դեղորայքի փոփոխություններ։ Հայտնի պատճառով անսովոր ցիկլը շատ այլ կերպ է ընկալվում, քան անբացատրելի օրինաչափության փոփոխությունը՝ ինչպես ձեզ, այնպես էլ ձեր պատմությունը վերանայող բժշկի համար։

Ստանդարտ ամսականի հետևման հավելվածը — որը կանխատեսում է գրանցված ամսաթվերից — երբեք չպետք է օգտագործվի հղիությունը կանխելու համար։ Վերևում նշված թվերը դրա պատճառն են. ձվազատման-օրվա կանխատեսումները ճիշտ են առավելագույնը մոտ մեկ հինգերորդ դեպքերում, սերմնահեղուկը կենդանի է մնում մինչև հինգ օր, և հավելվածի ցուցադրած բեղմնավոր պատուհանը կարող է ամբողջովին բաց թողնել ձեր փաստացի բեղմնավոր օրերը, հատկապես ցիկլի որևէ անկանոնության դեպքում։

Կա մեկ առանձին կատեգորիա. կարգավորիչների կողմից որպես հակաբեղմնավորիչ միջոց հաստատված պտղաբերության-իմացության հավելվածներ (Natural Cycles-ը եղավ առաջին FDA-հաստատված հավելվածն այս նպատակի համար)։ Դրանք աշխատում են այլ կերպ — դրանք պահանջում են ամենօրյա բազալ մարմնի ջերմաստիճանի չափում և կառուցված են ասելու համար, թե որ օրերն են միանշանակորեն անվտանգ, և որոնք՝ անորոշ, և դրանց հրապարակված արդյունավետությունը սովորական օգտագործման դեպքում մոտ 93% է, ինչը նշանակում է, որ մոտավորապես 100 օգտատերից 7-ը տարվա ընթացքում հղիանում են։ Այդ ցուցանիշը վերաբերում է խիստ արձանագրություններով սիմպտոթերմալ մեթոդին, ոչ թե ընդհանուր նշանակության հետևման հավելվածի օրացույցային կանխատեսումներին։

Եթե հղիությունը կանխելը ձեզ համար կարևոր է, օգտագործեք դրա համար նախագծված և փորձարկված մեթոդ, և ձեր հավելվածի բեղմնավոր-պատուհանի ստվերապատումը դիտարկեք միայն որպես կրթական տեղեկատվություն։ PinkyBloom-ը միտումնավոր կերպով ներկայացնում է կանխատեսումները որպես գնահատականներ և չի հավակնում հակաբեղմնավորիչ հուսալիության — ոչ մի ազնիվ օրացույցի վրա հիմնված հավելված չի կարող դա անել։