Ovarian age – an early marker of premature ovarian insufficiency

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Objective: To assess the degree of ovarian aging in patients with occult, biochemical, and overt ovarian insufficiency (POI) using the composite marker "ovarian age" (OvAge), calculated using the regression model proposed by Venturella R. et al. (2015).

Materials and methods: This cross-sectional study included patients with various clinical forms of POI (n=82) and women with preserved ovarian function (n=36) aged 18–39 years (mean age 33.1 (5.59) years). Follicle-stimulating hormone (FSH) and anti-Müllerian hormone (AMH) levels were measured on days 2–3 of the menstrual cycle, antral follicle count (AFC) was determined, and Doppler ultrasound of intraovarian blood flow was performed to calculate the vascularization index (VI) and blood flow index (FI).

Results: The OvAge was significantly higher in the POI group than in the control group. An additional marker, "excess chronological age", was calculated to represent the difference between the ovarian and chronological age of the patient. This excess was 1.25 (0.71) years in the control group, 6.63 (1.39) years in the latent POI group, 12.6 (0.98) years in the early POI group, and 18.91 (1.32) years in the overt POI group. The excess ovarian age over chronological age increases on average by six years as individuals transition from the group of healthy women to each subsequent POI group.

Conclusion: A gradual increase in ovarian age during the transition from latent to early and then to overt POI indicates progressive morphofunctional failure of the ovaries during disease development. The degree of excess ovarian age over chronological age allows for an assessment of the severity of changes in the primary POI markers measured in patients, providing a clearer reflection of the process of ovarian "aging" at different stages of the disease.

About the authors

Roza I. Mashaeva

Academician V.I. Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology, Ministry of Health of the Russian Federation

Author for correspondence.
Email: i@mdrose.ru
ORCID iD: 0000-0001-5518-1572
SPIN-code: 6780-3831

PhD student, Department of Endocrinological Gynecology

Russian Federation, 117997, Moscow, Ac. Oparin str., 4

Larisa A. Marchenko

Academician V.I. Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology, Ministry of Health of the Russian Federation

Email: l_marchenko@yandex.ru

Dr. Med. Sci., Professor, Department of Endocrinological Gynecology

Russian Federation, 117997, Moscow, Ac. Oparin str., 4

Aleksandr I. Gus

Academician V.I. Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology, Ministry of Health of the Russian Federation

Email: a_gus@oparina4.ru
ORCID iD: 0000-0003-1377-3128

Dr. Med. Sci., Professor, Chief Researcher at the Department of Ultrasound and Functional Diagnostics

Russian Federation, 117997, Moscow, Ac. Oparin str., 4

Kirill V. Kostyukov

Academician V.I. Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology, Ministry of Health of the Russian Federation

Email: k_kostukov@oparina4.ru
ORCID iD: 0000-0003-3094-4013

Dr. Med. Sci, Head of the Department of the Ultrasound and Functional Diagnosis

Russian Federation, 117997, Moscow, Ac. Oparin str., 4

References

  1. Polonio A.M., Chico-Sordo L., Córdova-Oriz I., Medrano M., García-Velasco J.A., Varela E. Impact of ovarian aging in reproduction: from telomeres and mice models to ovarian rejuvenation. Yale J. Biol. Med. 2020; 93(4): 561-9.
  2. Mishra G.D., Chung H.F., Cano A., Chedraui P., Goulis D.G., Lopes P. et al. EMAS position statement: Predictors of premature and early natural menopause. Maturitas. 2019; 123: 82-8. https://dx.doi.org/10.1016/j.maturitas.2019.03.008.
  3. Golezar S., Ramezani Tehrani F., Khazaei S., Ebadi A., Keshavarz Z. The global prevalence of primary ovarian insufficiency and early menopause: a meta-analysis. Climacteric. 2019; 22(4): 403-11. https://dx.doi.org/10.1080/ 13697137.2019.1574738.
  4. Чернуха Г.Е., Табеева Г.И., Рштуни С.Д., Машаева Р.И., Черных В.Б., Марченко Л.А. Гены, вовлеченные в развитие преждевременной недостаточности яичников. Акушерство и гинекология. 2021; 11: 71-80. [Chernukha G.E., Tabeeva G.I., Rshtuni S.D., Mashaeva R.I., Chernykh V.B., Marchenko L.A. Genes involved in premature ovarian failure. Obstetrics and Gynecology. 2021; (11): 71-80 (in Russian)]. https://dx.doi.org/10.18565/aig.2021.11.71-80.
  5. Navot D., Rosenwaks Z., Margalioth E.J. Prognostic assessment of female fecundity. Lancet. 1987; 2(8560): 645-7. https://dx.doi.org/10.1016/ s0140-6736(87)92439-1.
  6. Марченко Л.А., Машаева Р.И. Клинико-лабораторные критерии оккультной формы преждевременной недостаточности яичников. Гинекология. 2018; 20(6): 73-6. [Marchenko L.A., Mashaeva R.I. Clinical and laboratory criteria for occult form of premature ovarian failure. Gynecology. 2018; 20(6): 73-6. (in Russian)]. https://dx.doi.org/10.26442/ 20795696.2018.6.180069.
  7. Cohen J., Chabbert-Buffet N., Darai E. Diminished ovarian reserve, premature ovarian failure, poor ovarian responder--a plea for universal definitions. J. Assist. Reprod. Genet. 2015; 32(12): 1709-12. https://dx.doi.org/10.1007/ s10815-015-0595-y.
  8. Машаева Р.И., Марченко Л.А., Олимпиева С.П., Гус А.И., Костюков К.В., Чернуха Г.Е. Анализ морфофункционального состояния яичников при различных клинических формах преждевременной недостаточности яичников с использованием энергетической допплерометрии в режиме 2D/3D. Акушерство и гинекология. 2020; 12: 129-36. [Mashaeva R.I., Marchenko L.A., Olympieva S.P., Gus A.I., Kostyukov K.V., Chernukha G.E. Morphofunctional characteristics of ovaries determined by 2D and 3D power Doppler sonography in different clinical forms of premature ovarian failure. Obstetrics and Gynecology. 2020; (12): 129-36 (in Russian)]. https://dx.doi.org/10.18565/aig.2020.12.129-136.
  9. Yeganeh L., Boyle J.A., Wood A., Teede H., Vincent A.J. Menopause guideline appraisal and algorithm development for premature ovarian insufficiency. Maturitas. 2019; 130: 21-31. https://dx.doi.org/10.1016 /j.maturitas.2019.09.009.
  10. Baber R.J., Panay N., Fenton A.; IMS Writing Group. 2016 IMS Recommendations on women's midlife health and menopause hormone therapy. Climacteric. 2016; 19(2): 109-50. https://dx.doi.org/10.3109/ 13697137.2015.1129166.
  11. Марченко Л.А., Машаева Р.И. Клинико-лабораторная оценка овариального резерва с позиции репродуктолога. Акушерство и гинекология. 2018; 8: 22-5. [Marchenko L.A., Mashaeva R.I. Clinical and laboratory assessment of ovarian reserve from a reproductologist’s point of view. Obstetrics and Gynecology. 2018; (8): 22-5. (in Russian)]. https://dx.doi.org/10.18565/aig.2018.8.22-25.
  12. Venturella R., Lico D., Sarica A., Falbo M.P., Gulletta E., Morelli M. еt al. OvAge: a new methodology to quantify ovarian reserve combining clinical, biochemical and 3D-ultrasonographic parameters. J. Ovarian Res. 2015; 8: 21. https:// dx.doi.org/10.1186/s13048-015-0149-z.
  13. Mashayekhy M., Barabi F., Arabipoor A., Zolfaghari Z. Live birth rates in different subgroups of poor ovarian responders according to Bologna and POSEIDON group classification criteria. J. Gynecol. Obstet. Hum. Reprod. 2021; 50(7): 102169. https://dx.doi.org/10.1016/j.jogoh.2021.102169.
  14. Meyer D.H., Schumacher B. Aging clocks based on accumulating stochastic variation. Nat. Aging. 2024; 4(6): 871-85. https://dx.doi.org/10.1038/ s43587-024-00619-x.
  15. Xu W., Wang H., Han L., Zhao X., Chen P., Zhao H. et al. Development, promotion, and application of online OvAge calculator based on the WeChat applet: Clinical prediction model research. PLoS One. 2023; 18(2): e0279633. https://dx.doi.org/10.1371/journal.pone.0279633.
  16. Ding T., Ren W., Wang T., Han Y., Ma W., Wang M. et al. Assessment and quantification of ovarian reserve on the basis of machine learning models. Front Endocrinol (Lausanne). 2023; 14: 1087429. https://dx.doi.org/10.3389/fendo.2023.1087429.
  17. Panay N., Anderson R.A., Bennie A., Cedars M., Davies M., Ee C. et al.; ESHRE, ASRM, CREWHIRL, and IMS Guideline Group on POI. Evidence-based guideline: premature ovarian insufficiency. Hum. Reprod. Open. 2024; 2024(4): hoae065. https://dx.doi.org/10.1093/hropen/ hoae065.
  18. Younis J.S., Ben-Ami M., Ben-Shlomo I. The Bologna criteria for poor ovarian response: a contemporary critical appraisal. J. Ovarian Res. 2015; 8: 76. https://dx.doi.org/10.1186/s13048-015-0204-9.
  19. Venturella R., Lico D., Borelli M., Imbrogno M.G., Cevenini G., Zupi E. et al. 3 to 5 years later: long-term effects of prophylactic bilateral salpingectomy on ovarian function. J. Minim. Invasive Gynecol. 2017; 24(1): 145-50. https:// dx.doi.org/10.1016/j.jmig.2016.08.833.
  20. Nassif A., Elnory M.A. Impact of prophylactic bilateral salpingectomy on ovarian reserve in women undergoing vaginal hysterectomy: A randomized controlled trial. Evidence Based Women’s Health Journal. 2020; 10(2): 150-61. https://dx.doi.org/10.21608/ebwhj.2020.22949.1074.
  21. ACOG Committee Opinion No. 774: Opportunistic salpingectomy as a strategy for epithelial ovarian cancer prevention. Obstet. Gynecol. 2019; 133(4): e279-e284. https://dx.doi.org/10.1097/AOG.0000000000003164.
  22. Pinelli S., Artini P.G., Basile S., Obino M.E.R., Sergiampietri C., Giannarelli D. et al. Estrogen treatment in infertile women with premature ovarian insufficiency in transitional phase: a retrospective analysis. J. Assist. Reprod. Genet. 2018; 35(3): 475-82. https://dx.doi.org/10.1007/s10815-017-1096-y.
  23. Dragojevic Dikic S., Vasiljevic M., Jurisic A., Vujovic S. Resumption of ovarian function and successful pregnancy in a patient with premature ovarian insufficiency after a long-term hormone replacement therapy. Gynecol. Reprod. Endocrinol. Metab. 2020; 1(4): 223-7.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Figure. ROC curve characterizing the relationship between the level of excess of chronological age and the presence of POI

Download (69KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».