Preview

Здоровье населения и среда обитания – ЗНиСО

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Смертность от рака молочной железы в Приморском крае: анализ данных и моделирование

https://doi.org/10.35627/2219-5238/2021-29-11-16-22

Полный текст:

Аннотация

Введение. В Приморском крае наблюдается устойчивая тенденция к росту заболеваемости и смертности от рака молочной железы. Образ жизни человека, материальное благосостояние, доступность и своевременность получения медицинской помощи наряду с генетическими предрасположенностями оказывают существенное влияние на продолжительность жизни и смертность пациентов с установленным диагнозом, что имеет большое значение для общественного здравоохранения, особенно при выработке стратегии повышения качества жизни и укрепления здоровья населения.

Цель: анализ ситуации и разработка модели, позволяющей прогнозировать уровень смертности на основе данных по распространенности раком молочной железы и социально-экономическим показателям качества жизни населения Приморского края.

Материалы и методы. Исследование проведено на основе данных Федеральной службы государственной статистики и медико-информационного аналитического центра Приморского края за период с 1994 по 2019 год. Для анализа статистических данных применен корреляционный анализ, для разработки модели – искусственные нейронные сети.

Результаты. В крае в целом с 2000 по 2019 год наблюдается тенденция роста уровня смертности от рака молочной железы (39,13 %). Статистический анализ взаимосвязи между социально-экономическими показателями и коэффициентом смертности показал наличие значимых корреляций, на основе которых разработана нейросетевая модель. Наибольший вес при прогнозировании оказывают показатели, характеризующие уровень материального благосостояния населения и качество медицинского обслуживания пациентов.

Выводы. Выявленные взаимосвязи демонстрируют возможность их учета при проектировании управленческих решений по увеличению продолжительности жизни и улучшению ее качества для пациентов с раком молочной железы.

Об авторах

М. З. Ермолицкая
ФГБУН «Институт автоматики и процессов управления ДВО РАН»; ФГБОУ ВО «Владивостокский государственный университет экономики и сервиса»
Россия

Ермолицкая Марина Захаровна – к.б.н., доцент, старший научный сотрудник лаборатории информационно-аналитических и управляющих систем и технологий

ул. Радио, д. 5, г. Владивосток, 690041, Российская Федерация

ул. Гоголя, д. 41, г. Владивосток, 690014, Российская Федерация



П. Ф. Кику
ФГАОУ ВО «Дальневосточный федеральный университет», Школа медицины
Россия

Кику Павел Федорович – д.м.н., проф., директор департамента общественного здоровья и профилактической медицины

п. Аякс, д. 10, о. Русский, г. Владивосток, 690922, Российская Федерация



А. И. Абакумов
ФГБУН «Институт автоматики и процессов управления ДВО РАН»
Россия

Абакумов Александр Иванович – д.ф.-м.н., проф., заведующий лабораторией математического моделирования биофизических процессов

ул. Радио, д. 5, г. Владивосток, 690041, Российская Федерация



Список литературы

1. Siegel RL, Miller KD, Jemal A. Cancer statistics, 2020. CA Cancer J Clin. 2020;70(1):7–30. doi: 10.3322/caac.21590

2. Худайкулова А.Т., Худайкулов Т.К. Социальноэкономические последствия смертности женщин от рака молочной железы в Узбекистане // Злокачественные опухоли. 2015. № 1. С. 53–56.

3. Игисинов Н.С., Тогузбаева А.Я. К оценке утраченного жизненного потенциала в связи со смертностью от рака молочной железы в Казахстане // Онкология и радиология Казахстана. 2017. № 13S (45). С. 69–70.

4. 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 (КазНМУ). 2018. № 1. С. 112–114.

5. Французова И.С. Анализ факторов риска развития рака молочной железы // Международный научно-исследовательский журнал. 2019. № 3 (81) С. 68–74.

6. Кику П.Ф. Веремчук Л.В., Жерновой М.В. Роль экологических и социально-гигиенических факторов в распространении онкологических заболеваний. Владивосток: Издат. дом Дальневосточного федерального университета, 2012. 192 с.

7. Sternfeld B, Weltzien E, Quesenberry CP, et al. Physical activity and risk of recurrence and mortality in breast cancer survivors: findings from the LACE study. Cancer Epidemiol Biomarkers Prev. 2009;18(1):87–95. doi: 10.1158/1055-9965.EPI-08-0595

8. Freedman DM, 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):257–262. doi: 10.1136/oem.59.4.257

9. Kolpak E, Frantsuzova IS. Causes of morbidity and mortality from breast cancer. Eurasian J Anal Chem. 2017;12(5):779–791. doi: 10.12973/ejac.2017.00210a

10. Кабаков Р.И. R в действии. Анализ и визуализация данных в программе R. / Пер. с англ. П.А.Волковой. М.: ДМК Пресс, 2014. 358 с.

11. Писарева Л.Ф., Перинов Д.А., Одинцова И.Н., и др. Эпидемиология рака молочной железы. Томск: Изд-во Том. ун-та, 2017. 190 с.

12. Писарева Л.Ф., Ляхова Н.П., Перинов Д.А. и др. Заболеваемость раком молочной железы и смертность от него коренного и пришлого населения республики Бурятия // Профилактическая медицина. 2019. Т. 22. № 2. С. 62–67. doi: 10.17116/profmed20192202162

13. Tyrer J, Duffy SW, Cuzick J. A breast cancer prediction model incorporating familial and personal risk factors. Stat Med. 2004;23(7):1111–1130. doi: 10.1002/sim.1668

14. Elwood M, Tawfiq E, TinTin S, 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. doi: 10.1186/s12885-018-4791-x

15. Sekeroglu B, Tuncal K. Prediction of cancer incidence rates for the European continent using machine learning models. Health Informatics J. 2021;27(1):1460458220983878. doi: 10.1177/1460458220983878

16. Asghari Jafarabadi M, Iraji Z, Dolatkhah R, Jafari-Koshki T. Modeling the factors associated with mortality in patients with breast cancer: a machine learning approach. [Preprint] 2020. Accessed September 23, 2021. doi: 10.21203/rs.3.rs-57685/v1

17. Jafari-Koshki T, Schmid VJ, Mahaki B. Trends of breast cancer incidence in Iran during 2004–2008: a Bayesian space–time model. Asian Pac J Cancer Prev. 2014;15(4):1557–1561. doi: 10.7314/apjcp.2014.15.4.1557

18. Foerster R, Foerster FG, Wulff V, et al. Matched–pair analysis of patients with female and male breast cancer: a comparative analysis. BMC Cancer. 2011;11:335. doi: 10.1186/1471-2407-11-335


Рецензия

Для цитирования:


Ермолицкая М.З., Кику П.Ф., Абакумов А.И. Смертность от рака молочной железы в Приморском крае: анализ данных и моделирование. Здоровье населения и среда обитания – ЗНиСО. 2021;29(11):16-22. https://doi.org/10.35627/2219-5238/2021-29-11-16-22

For citation:


Ermolitskaya M.Z., Kiku P.F., Abakumov A.I. Breast cancer mortality in the Primorsky Region: Data analysis and modeling. Public Health and Life Environment – PH&LE. 2021;29(11):16-22. (In Russ.) https://doi.org/10.35627/2219-5238/2021-29-11-16-22

Просмотров: 55


ISSN 2219-5238 (Print)
ISSN 2619-0788 (Online)