女性子宫肌瘤病因学及流行病学的研究

论文摘要

前言子宫肌瘤是女性生殖器官中常见的良性肿瘤,由子宫平滑肌组织增生而成,其间有少量纤维结缔组织。多发生于生育年龄妇女,据报道发生最多的是在41～50岁之间。子宫肌瘤病情轻者一般无症状,病情严重者常可引起月经紊乱、经量过多及继发性贫血,增大的肌瘤可引起压迫症状、尿急、便秘、疼痛,肌瘤的退行性变化也可引起急腹症、不孕症。绝大多数子宫肌瘤属于良性疾病,但也有少数可以恶变,文献报道恶变率为0.13%～1.39%,更有介于良性与恶性之间的交界性病变。目前,妇科肿瘤工作者只重视妇科恶性肿瘤,对于常见良性子宫肌瘤不够重视。子宫肌瘤流行病学的研究资料很少,患病率较难统计,因为很多无症状的患者未去就诊,或因肌瘤小临床上不易发现,加上各地医疗保健机构检查手段不同,使得各地报道的子宫肌瘤的患病率有较大差别,20世纪70年代报道25岁以上已婚妇女子宫肌瘤的患病率在0.16%～2.72%之间,住院病人子宫肌瘤患病率3.3%～20.45%,Novak等根据尸体解剖的病检材料,报道30岁以上育龄妇女中子宫肌瘤的患病率在20%以上。而子宫肌瘤的发生是多个因素联合作用的结果,现在多认为子宫肌瘤的发生是由于下丘脑-垂体-卵巢内分泌轴失调,但是发病具体因素至今尚未清楚。因而,亟需从流行病学和病因学两个方面,探讨子宫肌瘤的患病情况并对其危险因素进行分析,为制定有效的防治措施提供理论依据。本部分拟从以下几部分进行研究:1、人群研究:通过横断面调查获得子宫肌瘤的患病率年龄、职业、文化程度、城乡分布等特征,并且采用1:2配比病例对照研究方法,通过条件Logistic回归分析探寻沈阳市女性子宫肌瘤可疑危险因素。2、神经网络研究:应用BP神经网络分析子宫肌瘤各种可能危险因素的平均影响值（mean impactvalue,MIV）,并与多因素条件Logistic回归模型的分析结果相比较,以期找到子宫肌瘤发生的相关危险因素。3、趋势研究:通过BP神经网络建立子宫肌瘤患病率预测模型,预测沈阳市女性子宫肌瘤患病率的变化趋势,以了解相关危险因素的控制与子宫肌瘤患病率之间的关系,探寻子宫肌瘤有效的预防保健措施。目的1、旨在了解沈阳市妇女子宫肌瘤的患病情况,以及年龄职业等人群分布特征;从妇女的生殖健康状况、工作环境、生活习惯、性生活行为、月经婚育史、避孕措施等方面,探讨子宫肌瘤发病的影响因素,找出危险因素,为子宫肌瘤的人群防治提供理论依据。2、通过对比反向传播（Back Propagation,BP）神经网络与Logistic回归分析结果,探讨神经网络模型在子宫肌瘤危险因素分析中的应用价值。3、评价BP（BackPropagation）神经网络模型在子宫肌瘤患病率预测中的应用价值,探索相关危险因素的控制与子宫肌瘤患病率之间的关系,并为子宫肌瘤的人群防治工作提供依据。方法1、采用分层随机抽样的方法对沈阳地区1260名妇女的子宫肌瘤患病状况进行问卷调查,采用描述性分析方法获得子宫肌瘤的患病率、年龄、职业分布等特征;采用1:2配比病例对照研究方法,以子宫肌瘤患者作为病例组,以民族、文化程度、年龄（±2岁）作为配比变量选择对照组,病例组和对照组均经过B超检查确诊,探讨子宫肌瘤危险因素。2、利用子宫肌瘤1:2配比病例对照研究资料,采用MATLAB 6.5软件的神经网络工具箱构建BP神经网络模型,训练与模拟网络,分析子宫肌瘤各种可能危险因素的平均影响值（mean impact value,MIV）,并与多因素条件Logistic回归模型的分析结果相比较,用对数线性模型分析因子间的交互作用。3、选择沈阳市1993～2005年妇女子宫肌瘤患病率数据,利用MATLAB 6.5软件的神经网络工具箱构建BP神经网络模型,训练与模拟网络,预测2006～2009年子宫肌瘤的流行趋势,并与传统的预测方法进行比较。结果1、子宫肌瘤患病情况:本研究共调查了1260名已婚妇女,年龄介于26-60岁之间。B超检查发现112名子宫肌瘤患者,平均患病率为8.89%。患者年龄分布为正态分布,平均年龄为41.98±0.34岁,不同年龄组的子宫肌瘤患病率比较,差异有显著性（x2=37.01,P＜0.01）。其中40～49岁组的子宫肌瘤患病率最高,为15.29%,其次是30～39岁和50～59岁组,患病率分别为7.31%和4.28%。调查对象的职业分布为,工人占23.65%,农民占28.57%,干部占10.79%,商业服务人员占18.73%,技术人员占10.87%,退休下岗人员占7.38%,各职业间的患病率无统计学差异。2、子宫肌瘤发病的影响因素:月经紊乱,既往盆腔炎、既往宫颈炎、口服避孕药,既往阴道炎和Ⅰ级亲属子宫肌瘤病史可能是子宫肌瘤发生的危险因素,而月经初潮年龄延迟可能是子宫肌瘤的保护因素。3、BP神经网络分析结果显示,影响子宫肌瘤发病主要危险因素为月经初潮年龄延迟、Ⅰ级亲属子宫肌瘤病史、宫颈炎、月经紊乱、人工流产史、盆腔炎、口服避孕药、阴道炎,其对应的MIV值分别为-0.0405,0.0361,0.0162,0.0143,0.0135,0.0117,0.0094,0.0087;比较BP神经网络输出的MIV与多因素条件Logistic回归分析结果,发现两者主要发病危险因素排列顺序基本一致,但存在一些差异,经对数线性模型分析发现人工流产史可能是子宫肌瘤发病的一个重要的协同变量。4、以1993～2003年资料建立BP神经网络模型预测2004～2005年流行水平和趋势,结果患病率回代平均误差率和RNL分别为3.17%和0.9592,外推预测平均误差率为1.01%;时间序列ARIMA模型患病率回代平均误差率和RNL分别为13.01%和0.8514,外推预测平均误差率为12.39%;灰色模型患病率回代平均误差率和RNL分别为5.96%和0.9491,外推预测平均误差率为3.15%;以1993～2005年资料建立模型预测2006～2009年流行趋势,结果患病率回代平均误差率和RNL分别为0.52%,RNL=0.9944;2006～2009年子宫肌瘤患病率预测值分别为8.67%,8.74%,8.87%,8.91%。结论1、子宫肌瘤发病与月经紊乱,既往盆腔炎、既往宫颈炎、既往阴道炎、口服避孕药和子宫肌瘤家族史有关。有必要针对各种危险因素加强妇女健康教育,提高妇女的生殖健康水平。2、用BP神经网络分析疾病的危险因素,所提供的信息量要比Logistic回归等传统模型丰富得多,它可以不受因子间本身关系的干扰,也不受混杂的影响,一次可拟合出输入—输出对之间的所有关系,不但有助于发现变量之间未知的关系,还有助于分析因子之间复杂的相互关系,此外用BP神经网络分析发病危险因素时,变量的分布形式可以是任意的,可用于研究任何因果关系,特别适用于研究没有任何先验知识的变量对之间的关系,是一种很好的危险因素分析方法。3、用BP神经网络进行子宫肌瘤患病率的预测,模型的拟合和预测精度明显优于时间序列模型和灰色模型,不仅能获得更好的预测效果,而且对资料的类型、分布不作任何限制,是一种很好的流行病学预测方法。

论文目录

• 一、摘要
• 中文论著摘要
• 英文论著摘要
• 二、英文缩略语
• 三、论文
• 论文一 女性子宫肌瘤患病现状及相关危险因素
• 前言
• 研究对象与方法
• 结果
• 讨论
• 结论
• 论文二 基于反向传播神经网络原理对子宫肌瘤危险因素的分析
• 前言
• 研究对象与方法
• 结果
• 讨论
• 结论
• 论文三 基于BP神经网络的子宫肌瘤患病率预测
• 前言
• 研究对象与方法
• 结果
• 讨论
• 结论
• 四、本研究创新性的自我评价
• 五、参考文献
• 六、附录
• 综述
• 在学期间科研成绩
• 致谢
• 个人简介