Coronavirüs hastalığı, SARS-Cov-2 virüsünün neden olduğu solunum yolu hastalığıdır. İnsanlar arasında hızlı bir yayılım gösteren bu virüs pandemi olarak ilan edilmiştir ve tüm dünya sağlığını tehdit etmektedir. Damlacık yolu ve kontamine yüzeyler ile temas sonrası bulaşabilen virüs riskli gruplarda ölümcül olabilmektedir. Bu nedenle gebeler ve yenidoğanlar üzerinde hassasiyetle durulması gereken gruplardandır. Gebelikte ortaya çıkan anatomik ve fizyolojik değişiklikler, yenidoğanın immatür olması COVID-19 pandemisinin ele alınmasını önemli hale getirmiştir. COVID-19 pozitif olan gebelerin intrapartum ve postpartum dönemde yakın izlemi ve koruyucu ekipmanlar ile doğumun gerçekleştirilmesi gerekmektedir. İntrapartum dönemde mutlaka elektronik fetal monitörizasyon izlemi yapılmalıdır. Kullanılan tüm ekipmanların dezenfeksiyonu, en az sayıda sağlık ekibi ile doğumun gerçekleştirilmesi ve multidisipliner bir yaklaşım ile sürecin yönetilmesi gerekmektedir. Ayrıca yenidoğanın ilk bulguları ve APGAR skoru yakından izlenmeli, enfekte anne ile bebeği arasındaki mesafenin korunmasına özen gösterilmelidir. Yenidoğanın resüsitasyon ihtiyacı belirlenmeli, COVID-19 semptomları incelenmeli ve yoğun bakıma transferine karar verilmelidir. Transfer sırasında kullanılan ekipmanların dezenfeksiyonuna özen gösterilmelidir. Yoğun bakımda izlenen bebeklerin, anne ile birlikte negatif basınçlı odada izole edilmesi önerilmektedir. COVID-19’un emzirmeye engel olmadığı, koruyucu önlemler altında emzirmenin en erken sürede başlatılması gerektiği belirtilmektedir. Taburcu edilen olguların on dört gün izlenmesi önerilmektedir. Virüsün maternal ve neonatal etkileri göz önüne alınarak etkili biçimde yönetilmesi gerekmektedir.

Amaç: Postmenopozal osteoporozu olan ve olmayan hastalar arasında inflamatuar biyobelirteç değerlerinin ve kemik mineral yoğunluğu (KMY) ile ilişkisinin incelenmesidir. Gereç ve Yöntem: Retrospektif gözlemsel çalışmamıza Sağlık Bilimleri Üniversitesi Etlik Zübeyde Hanım Kadın Hastalıkları Eğitim Araştırma Hastanesi’ne Mayıs 2021 ve Ocak 2022 tarihleri arasında rutin kontrol için başvuran ve KMY istenen 93 hasta dahil edildi. ‘Dual Enerji X ray Absorbsiyometri (DEXA) ile yapılan KMY sonuçlarından ortalama lumbal KMY T-skoru değerine göre; T-skoru <-2.5 osteoporoz olarak tanımlandı. Çalışma popülasyonu osteoporozu olan ve olmayan postmenopozal kadınlar olarak iki gruba ayrıldı. İki grubun demografik ve klinik özellikleri, biyokimyasal parametreleri, nötrofil/lenfosit oranı (NLR) ve platelet/lenfosit oranı (PLR) ve sistemik immün inflamasyon indeksi (SII) değerleri karşılaştırıldı. Sistemik inflamatuar yanıt ile KMY arasında korelasyon incelendi. Bulgular: Çalışmaya toplam 93 postmenopozal kadın dahil edildi. Osteoporoz olan (n:49) hastalarda ortalama T- skoru -3,05, osteoporoz olmayan (n:44) grupta ise 3,64 olup istatistiksel olarak anlamlı fark izlendi (p0,05). T-skoru ile NLR, PLR ve SII değerleri arasında korelasyon izlenmedi (p>0,05). Sonuç: Çalışmamızda, postmenopozal osteoporozlu kadınlarda inflamatuar biyobelirteçler ve kemik mineral yoğunluğu arasında ilişki izlenmemiştir. Çok merkezli ve daha çok hasta sayılı çalışmalara ihtiyaç olmakla beraber, literatürdeki çalışmalar hemogram parametrelerinden elde edilen inflamatuar biyobelirteçlerin postmenopozal osteoporozun taranması ve önlenmesinde önemli bir rol oynayabileceğini göstermektedir.

Background: Polycystic ovary syndrome (PCOS) is a common endocrine and metabolic disorder characterized by hyperandrogenism, ovulatory dysfunction, and an increased prevalence of metabolic syndrome. Clusterin (CLU), a chaperone protein induced by cellular stress and known to play roles in inflammation, oxidative stress, and lipid metabolism, may be associated with the metabolic abnormalities observed in patients with PCOS. The purpose of this current study is to investigate serum CLU levels and their link with endocrine, biochemical, and metabolic parameters, such as metabolic syndrome, among women with PCOS. Methods: This cross-sectional study included 40 women aged 18–30 with PCOS diagnosed according to the Rotterdam criteria and 40 age- and BMI-matched healthy controls. Demographic data, Ferriman–Gallwey scores, hormonal and metabolic parameters (including TSH, prolactin, 17-OH progesterone, total testosterone, insulin, AMH, HOMA-IR, and serum CLU levels), and ultrasonographic ovarian morphology were assessed. Statistical analyses, including ROC and logistic regression, were performed. Results: Women with PCOS had higher follicle counts, Ferriman–Gallwey scores, LH/FSH ratios, fasting insulin levels, HOMA-IR, triglycerides, and systolic blood pressure than controls, whereas menstrual cycle frequency and HDL levels were lower (all p < 0.05). Serum CLU concentrations were markedly higher in the PCOS cohort. In the PCOS population, CLU showed positive relationships with the Ferriman–Gallwey score, fasting glucose, fasting insulin, HOMA-IR, and triglycerides, and a negative correlation with HDL. CLU levels were significantly higher in women with metabolic syndrome in the PCOS cohort compared to those without. In logistic regression analysis, CLU, AMH, and the LH/FSH ratio emerged as independent predictors of PCOS. Furthermore, CLU remained an independent predictor of metabolic syndrome in the PCOS cohort. In ROC analysis, CLU demonstrated strong diagnostic efficacy in detecting both PCOS (AUC = 0.834) and metabolic syndrome in patients with PCOS (AUC = 0.804). Conclusions: Our results show that serum CLU is higher in women with PCOS and is associated with the clinical and metabolic features peculiar to patients with PCOS. CLU was found to distinguish between patients with PCOS and healthy women and demonstrated a strong association with the presence of metabolic syndrome within the PCOS group. Overall, these findings suggest that CLU may be a valuable auxiliary biomarker for detecting women with PCOS at risk for metabolic disturbances.

Background and Objectives: The optimal oocyte yield in gonadotropin-releasing hormone (GnRH) antagonist in vitro fertilization (IVF) cycles remains debated, and data specific to antagonist protocols are limited. This study evaluated the discriminative and independent predictive performance of oocyte count for clinical pregnancy in GnRH antagonist IVF cycles. Materials and Methods: This retrospective cohort included 1171 women undergoing their first GnRH antagonist IVF cycle with fresh embryo transfer at a single tertiary center (September 2007–December 2021). The primary outcome was an institutional composite pregnancy outcome (sustained β-hCG positivity with subsequent ongoing intrauterine pregnancy or live birth; biochemical and ectopic pregnancies were negative). Patients were grouped by oocytes retrieved (1–5, 6–10, 11–15, ≥16). Performance was assessed with logistic regression, ROC with 2000-iteration bootstrap, integrated discrimination improvement (IDI), continuous net reclassification improvement (NRI), and restricted cubic spline. Predefined subgroup analyses by age, regimen, and antral follicle count tertile were performed. Results: A positive outcome occurred in 430 patients (36.7%). After adjustment, oocyte count was not an independent predictor (adjusted odds ratio 0.999, 95% CI 0.979–1.020; p = 0.96). The full model (AUC 0.564, 95% CI 0.529–0.598) did not outperform oocyte count alone (AUC 0.532; bootstrap p = 0.11). IDI (0.011) and NRI (0.135) were statistically detectable but clinically trivial. Spline regression showed no non-linearity (p = 0.47). Findings were consistent across subgroups, and the narrow confidence interval excluded per-oocyte effects ≥1.10. Conclusions: In GnRH antagonist IVF cycles, oocyte count showed weak discriminatory performance and was not independently associated with fresh-cycle pregnancy. Oocyte yield should be interpreted alongside—rather than as a substitute for—established parameters such as age and ovarian reserve. The principal clinical value of a higher oocyte response may lie in cumulative rather than fresh-cycle success. Live-birth outcomes were not available, and the source institution was permanently closed in 2025; these limitations define the boundary of inference.