Модель оценки влияния показателей качества жизни на заболеваемость раком молочной железы

Обложка

Цитировать

Полный текст

Аннотация

Введение. Злокачественные новообразования молочной железы являются ведущей онкологической патологией среди женского населения Приморского края. Выявление взаимосвязи между заболеваемостью и показателями качества жизни (КЖ) наряду с современными методами диагностики позволяет совершенствовать профилактические мероприятия по снижению заболеваемости на региональном уровне.

Цель исследования — разработка регрессионной модели, описывающей статистические взаимосвязи между заболеваемостью раком молочной железы и социально-экономическими показателями КЖ населения Приморского края.

Материалы и методы. Исходная выборка данных состояла из 17 показателей КЖ населения Приморского края за 1994–2020 гг. Для уменьшения размерности данных воспользовались методом главных компонент, для построения модели — регрессионным анализом. Качество построенной модели проверяли на основе расчёта коэффициента детерминации, среднеквадратической ошибки и ошибки аппроксимации.

Результаты. В исследовании выявлены 15 показателей КЖ населения, взаимосвязанные с заболеваемостью раком молочной железы на территории Приморского края. Анализ главных компонент позволил сгруппировать показатели КЖ в три главные компоненты. Первая компонента объясняет 80,8% общей дисперсии, вторая — 10%, третья — 4%. В первую компоненту вошли показатели, характеризующие социально-экономические условия жизни населения, во вторую — медико-социальные, в третью — показатели неравенства денежных доходов, характеризующие социальную дифференциацию общества. На основе выделенных главных компонент разработана регрессионная модель.

Ограничения исследования. Материалы исследования ограничены результатами статистического анализа 17 показателей КЖ населения Приморского края за 1994–2020 гг. и применением разработанной регрессионной модели на региональном уровне.

Заключение. Результаты данного исследования позволили выявить взаимосвязь заболеваемости раком молочной железы с факторами риска и разработать прогнозную модель, что может быть полезным при планировании профилактических мероприятий по улучшению КЖ и снижению заболеваемости на региональном уровне.

Соблюдение этических стандартов. Исследование не требует представления заключения комитета по биомедицинской этике.

Участие авторов:
Ермолицкая М.З. — сбор и статистическая обработка данных, построение модели, написание текста, оформление рисунка, работа с литературой;
Кику П.Ф. — концепция и дизайн исследования, написание текста;
Абакумов А.И. — концепция и дизайн исследования, редактирование текста рукописи.
Все соавторы утвердили окончательный вариант статьи и несут ответственность за целостность всех частей статьи.

Благодарность. Авторы выражают благодарность доктору мед. наук, проф. В.И. Апанасевичу за консультирование в процессе исследования.

Финансирование. Работа выполнена в рамках государственного задания № 0202-2022-0002, тема «Разработка передовых методов и технологий создания интеллектуальных информационных и управляющих систем».

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Поступила 18.11.2022 / Поступила после доработки 10.02.2023 / Принята к печати 02.03.2023 / Опубликована 29.04.2024

 

Об авторах

Марина Захаровна Ермолицкая

ФГБУН «Институт автоматики и процессов управления ДВО РАН»; ФГБОУ ВО «Владивостокский государственный университет»

Автор, ответственный за переписку.
Email: ermmz@mail.ru
ORCID iD: 0000-0003-2588-102X

Канд. биол. наук, ст. науч. сотр. лаб. информационно-аналитических и управляющих систем и технологий Института автоматики и процессов управления ДВО РАН, 690041, Владивосток, Россия

e-mail: ermmz@mail.ru

Россия

Павел Федорович Кику

ФГАОУ ВО «Дальневосточный федеральный университет»

Email: noemail@neicon.ru
ORCID iD: 0000-0003-3536-8617

Доктор мед. наук, канд. тех. наук, профессор, Дальневосточный федеральный университет, 690922, Владивосток, Россия

Россия

Александр Иванович Абакумов

ФГБУН «Институт автоматики и процессов управления ДВО РАН»

Email: abakumov@dvo.ru
ORCID iD: 0000-0003-2235-9025

Доктор ф.-м. наук, профессор, зав. лаб. математического моделирования биофизических процессов Института автоматики и процессов управления ДВО РАН, 690041, Владивосток, Россия

e-mail: abakumov@dvo.ru

Россия

Список литературы

  1. WHO. Cancer; 2022. Available at: https://who.int/ru/news-room/fact-sheets/detail/cancer
  2. Siegel R.L., Miller K.D., Jemal A. Cancer statistics, 2020. CA Cancer J. Clin. 2020; 7(1): 7–30. https://doi.org/10.3322/caac.21590
  3. Федеральная служба государственной статистики. Доступно: https://rosstat.gov.ru
  4. Росстат. Российский статистический ежегодник – 2020. М.; 2020.
  5. Нурманова А., Султанова З.И., Аннаоразов Ы.А. Факторы и их роль в заболеваемости, смертности, выживаемости при раке молочной железы. Вестник Казахского национального медицинского университета. 2018; (1): 112–4. https://elibrary.ru/upzkou
  6. Одинцова И.Н., Писарева Л.Ф., Ананина О.А., Панферова Е.В. Заболеваемость раком молочной железы женского населения Сибирского федерального округа. Здравоохранение Российской Федерации. 2017; 61(3): 123–8. https://doi.org/10.18821/0044-197X-2017-61-3-123-128 https://elibrary.ru/yslavp
  7. Синкина Т.В., Петрова В.Д., Лазарев А.Ф. Современные представления о факторах риска рака молочной железы. Российский биотерапевтический журнал. 2009; 8(1): 88–94. https://elibrary.ru/kxsipz
  8. Французова И.С. Анализ факторов риска развития рака молочной железы. Международный научно-исследовательский журнал. 2019; (3): 68–74. https://doi.org/10.23670/IRJ.2019.81.3.011 https://elibrary.ru/yzpjml
  9. Ширлина Н.Г., Стасенко В.Л., Ширинский В.А., Обухова Т.М. Распространенность факторов риска развития рака молочной железы в различных возрастных группах женского населения Омской области. Эпидемиология и вакцинопрофилактика. 2017; 16(6): 40–6. https://elibrary.ru/zxrclv
  10. Brecelmans C.T. Risk factors and risk reduction of breast and ovarian cancer. Curr. Opin. Obstet. Gynecol. 2003; 15(1): 63–8. https://doi.org/10.1097/00001703-200302000-00010
  11. Freedman D.M, Dosemeci M., McGlynn K. Sunlight and mortality from breast, ovarian, colon, prostate, and non-melanoma skin cancer: a composite death certificate based case-control study. Occup. Environ. Med. 2002; 59(4): 257–62. https://doi.org/10.1136/oem.59.4.257
  12. Kolpak E. Causes of morbidity and mortality from breast cancer. Eurasian J. Anal. Chem. 2017; 12(5): 779–91. https://doi.org/10.12973/ejac.2017.00210a
  13. Tyrer J., Duffy S.W., Cuzick J. A breast cancer prediction model incorporating familial and personal risk factors. Stat. Med. 2004; 23(7): 1111–30. https://doi.org/10.1002/sim.1668
  14. Ширлина Н.Г. Прогнозирование риска развития рака молочной железы с помощью компьютерной программы. Вестник СурГУ. Медицина. 2016; (4): 63–6. https://elibrary.ru/vlhyyz
  15. Xu J., Lin Y., Yang M., Zhang L. Statistics and pitfalls of trend analysis in cancer research: a review focused on statistical packages. J. Cancer. 2020; 11(10): 2957–61. https://doi.org/10.7150/jca.43521
  16. Lee S.J., Zelen A.M. Stochastic model for predicting the mortality of breast cancer. J. Natl Cancer Inst. Monogr. 2006; (36): 79–86. https://doi.org/10.1093/jncimoographs/lgj011
  17. Elwood M., Tawfiq E., TinTin S., Marshall R.J., Phung T.M., Campbell I., et al. Development and validation of a new predictive model for breast cancer survival in New Zealand and comparison to the Nottingham prognostic index. BMC Cancer. 2018; 18(1): 897. https://doi.org/10.1186/s12885-018-4791-x
  18. Кондратьев М.А. Методы прогнозирования и модели распространения заболеваний. Компьютерные исследования и моделирование. 2013; 5(5): 863–82. https://elibrary.ru/rvbmux
  19. van Maaren M.C., Kneepkens R.F., Verbaan J., Huijgens P.C., Lemmens V.E.P.P., Verhoeven R.H.A., et al. A conditional model predicting the 10-year annual extra mortality risk compared to the general population: A large population-based study in Dutch breast cancer patients. PLoS One. 2019; 14(1): e0210887. https://doi.org/10.1371/journal.pone.0210887
  20. Sekeroglu B., Tuncal K. Prediction of cancer incidence rates for the European continent using machine learning models. Health Informatics J. 2021; 27(1): 1460458220983878. https://doi.org/10.1177/1460458220983878
  21. Jafarabadi M.A., Iraji Z., Dolatkhah R., Koshki T.J. Modeling the factors associated with mortality in patients with breast cancer: a machine learning approach. Research Square. 2020. Preprint. https://doi.org/10.21203/rs.3.rs-57685/v1
  22. GitHub. Шитиков В.К., Мастицкий С.Э. Классификация, регрессия и другие алгоритмы DataMining с использованием R. Доступно: https://github.com/ranalytics/data-mining
  23. Кабаков Р.И. R в действии. Анализ и визуализация данных в программе R. Пер. с англ. М.: ДМК Пресс; 2014.
  24. Егошин В.Л., Саввина Н.В., Гржибовский А.М. Анализ главных компонент и факторный анализ в программной среде R. West Kazakhstan Medical Journal. 2020; 62(1): 6–14. https://elibrary.ru/gfcmwd
  25. Климушкин А.В., Борщук Е.Л., Бегун Д.Н., Бегун Т.В., Куланова А.М. Прогноз заболеваемости злокачественными новообразованиями в Оренбургской области. Современные проблемы науки и образования. 2021; (2). https://doi.org/10.17513/spno.30582 https://elibrary.ru/ppqvhw

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Ермолицкая М.З., Кику П.Ф., Абакумов А.И., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ:  ПИ № ФС77-50668 от 13.07.2012 г.