Interpretable machine learning prediction of live birth after freeze-all FET cycles across transfer-order subgroups

BackgroundTransfer-order heterogeneity may affect live-birth prediction after freeze-all FET cycles, but existing prediction studies have rarely modeled first- and second-transfer records separately.MethodsWe developed and compared logistic regression (LR), support vector machine, random forest, XGB...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Yu Zhao, He Wang, Lin Wang, Lei Yan, Jiao Liu, Mengyi Teng, Hao Wang, Ting Liu
Format:	Artigo
Język:	Inglês
Wydane:	Frontiers Media S.A. 2026-07-01
Seria:	Frontiers in Endocrinology
Hasła przedmiotowe:	freeze-all FET cycles interpretive nomogram live birth machine learning SHAP transfer-order heterogeneity
Dostęp online:	https://www.frontiersin.org/articles/10.3389/fendo.2026.1868575/full
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!