Razi Journal of Medical Sciences
مجله علوم پزشکی رازی
RJMS
Medical Sciences
http://rjms.iums.ac.ir
39
journal39
2228-7043
2228-7051
en
jalali
1396
1
1
gregorian
2017
4
1
24
154
online
1
fulltext
fa
پیشبینی ابتلا به نئوپلازی تروفوبلاستیک حاملگی با استفاده از داده های طولی هورمون گونادوتروپین جفتی انسان طی 21 روز پس از تخلیه مول
Prediction of Gestational Trophoblastic Neoplasia using serum human chorionic gonadotropin concentrations longitudinal data during 21 days after evacuation mole
زنان و زایمان
Gynecology
پژوهشي
Research
<p dir="RTL" style="margin-bottom:0cm;margin-bottom:.0001pt;text-align:justify;text-justify:kashida;text-kashida:0%;line-height:normal;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">زمینه و هدف</span></span></strong>: <span style="font-family:b mitra;"><span style="font-size:10.0pt;">نئوپلازی تروفوبلاستیک حاملگی (</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">Gestational Trophoblastic Neoplasia </span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;">) فرم بدخیم بیماریهای تروفوبلاستیک بارداری است که قابلیت متفاوتی در متاستاز و تهاجم موضعی دارد. به همین خاطر هدف از انجام این مطالعه، شناسایی یک نشانگر طولی کاربردی و مناسب با استفاده از مقادیر سرم گنادوتروپین جفتی انسان طی 21 روز پس از تخلیه مول برای پیش بینی زودهنگام نئوپلازی تروفوبلاستیک حاملگی در زنان مبتلا به حاملگی مولار است.</span></span></p>
<p dir="RTL" style="margin-bottom:0cm;margin-bottom:.0001pt;text-align:justify;text-justify:kashida;text-kashida:0%;line-height:normal;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">روش کار</span></span></strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">: در مطالعه گذشته نگر حاضر از پرونده 201 بیمار مبتلا به مول هیداتیفرم با توجه به نتایج پاتولوژی آنها که از سال 1382 تا 1392 به یکی از مراکز درمانی تحت پوشش دانشگاه علوم پزشکی شهید بهشتی مراجعه کرده اند، استفاده گردید. با استفاده از یک مدل اثرات تصادفی مشترک دو مرحلهای ارتباط بین اندازههای تکراری</span></span> <span style="font-family:b mitra;"><span style="font-size:10.0pt;"> هورمون </span></span><span dir="LTR"><span style="font-family:symbol;"><span style="font-size:10.0pt;">b</span></span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">-hCG</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> (به صورت نشانگر طولی) و بروز </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">GTN</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> مورد ارزیابی قرار گرفت. برای تعیین توان مقادیر </span></span><span dir="LTR"><span style="font-family:symbol;"><span style="font-size:10.0pt;">b</span></span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">-hCG</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> برای پیشبینی </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">GTN</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> از منحنی راک در نرم افزار آماری </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">R</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> ورژن 2.15.3 استفاده شد.</span></span></p>
<p dir="RTL" style="margin-bottom:0cm;margin-bottom:.0001pt;text-align:justify;text-justify:kashida;text-kashida:0%;line-height:normal;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یافتهها</span></span></strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">: از میان 201 بیمار، 171 (1/85%) آنها بهبود خودبهخودی داشتند و باقی مانده افراد دچار بیماری </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">GTN</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> شدند (9/14%). رویکرد مدلبندی ما نشان داد که غلظت </span></span><span dir="LTR"><span style="font-family:symbol;"><span style="font-size:10.0pt;">b</span></span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">-hCG</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> به صورت اندازههای تکراری (در هفتههای 0، 1، 2، 3) به طور صحیح می تواند 6/86% از بیماران مبتلا به </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">GTN</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> و 83% از بیماران با بهبود خود به خودی را طبقهبندی کند.</span></span> <span style="font-family:b mitra;"><span style="font-size:10.0pt;">سطح زیر منحنی راک براورد شده برابر با 2/91% بود.</span></span></p>
<p dir="RTL" style="margin-bottom:0cm;margin-bottom:.0001pt;text-align:justify;text-justify:kashida;text-kashida:0%;line-height:normal;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">نتیجهگیری</span></span></strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">: یافتههای ما نشان داد که اندازه گیریهای تکراری غلظت </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">β-hCG</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;">، دقت پیش بینی بالایی برای تشخیص زود هنگام </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">GTN</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> دارد. بنابراین، برای زنان که از حاملگی مولار رنج میبرند، کنترل بر روند سه هفتهای از این نشانگر برای تشخیص زود هنگام این سرطان توصیه میشود.</span></span></p>
<p><strong>Background</strong>: Gestational Trophoblastic Neoplasia (GTN) is the malignant form of gestational trophoblastic disease that has different capabilities in metastasis and invasion stance. Therefore, the aim of this study was to identify an appropriate and applicable longitudinal marker, using the serum human chorionic gonadotropin (hCG) levels during 21 days after mole evacuation for predicting the gestational trophoblastic neoplasia in women with molar pregnancy.</p>
<p><strong>Methods</strong>: In the present retrospective study, documents of 201 patients with hydatidiform mole, according to their pathological reports, who from 2003 to 2013 referred to the educational and health care centers affiliated to Shahid Beheshti University of Medical Sciences were investigated. A two-stage shared random effects model was used to assess the relationship between repeated measures of β-hCG concentration (as the longitudinal marker) and occurrence of GTN. To determine the power of repeated β-hCG values for predicting GTN, a receiver operating characteristic (ROC) curve was applied in the statistical software R version 2.15.3.</p>
<p><strong>Results</strong>: In a total sample of 201 patients, 171 cases (85.1%) had spontaneous remission and GTN was detected in 30 cases (14.9%). Our modeling approach showed that the repeated measures of β-hCG concentration (in weeks 0, 1, 2 and 3) can correctly classify about 86.7% of patients with GTN and 83.0% of patients without GTN. The estimated area under curve (AUC) was 91.2%.</p>
<p><strong>Conclusion</strong>: Our findings revealed that the repeated measures of β-hCG concentration have a high predictive accuracy for early detection of GTN. Thus, for women who suffered from molar pregnancy, monitoring the three-week trend of this marker is recommended for early detection of this malignancy.</p>
گنادوتروپین جفتی انسان, نئوپلازی تروفوبلاستیک حاملگی, تحلیل منحنی راک, دادههای طولی
Human Chorionic Gonadotropin, Gestational Trophoblastic Neoplasia, ROC curve Analysis, Longitudinal data
53
59
http://rjms.iums.ac.ir/browse.php?a_code=A-10-3178-1&slc_lang=fa&sid=1
Azin
Khosravirad
آذین
خسروی راد
azin.khosraviraad@gmail.com
3900319475328460035764
3900319475328460035764
No
Shahid Beheshti University of Medical Sciences, Tehran, Iran.
دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
Farid
Zayeri
فرید
زایری
fzayeri@gmail.com
3900319475328460035765
3900319475328460035765
Yes
Shahid Beheshti University of Medical Sciences, Tehran, Iran.
دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
Ahmad Reza
Baghestani
احمدرضا
باغستانی
baghestani.ar@gmail.com
3900319475328460035766
3900319475328460035766
No
Shahid Beheshti University of Medical Sciences, Tehran, Iran.
دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
Mahmood
Bakhtiyari
محمود
بختیاری
m-bakhtiyari@razi.tums.ac.ir
3900319475328460035767
3900319475328460035767
No
Tehran University of Medical Sciences, Tehran, Iran.
دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران