rfhealthЗдравоохранение Российской ФедерацииHealth care of the Russian Federation0044-197X2412-0723Federal Scientific Center of Hygiene named after F.F. Erisman10.47470/0044-197X-2024-68-2-116-122txqdsurfhealth-1543Research ArticleПРОБЛЕМЫ СОЦИАЛЬНО ЗНАЧИМЫХ ЗАБОЛЕВАНИЙPROBLEMS OF SOCIALLY SIGNIFICANT DISEASESМодель оценки влияния показателей качества жизни на заболеваемость раком молочной железыModel for assessing the influence of quality of life indicators on the breast cancer incidencehttps://orcid.org/0000-0003-2588-102XЕрмолицкаяМарина ЗахаровнаErmolitskayaMarina Z.

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

Ph.D. biol. Sciences, Art. scientific co-workers lab. Information-analytical and control systems and technologies, Institute of Automation and Control Processes, Far Eastern Branch of the Russian Academy of Sciences, Vladivostok, 690041, Russian Federation

e-mail: ermmz@mail.ru

ermmz@mail.ruhttps://orcid.org/0000-0003-3536-8617КикуПавел ФедоровичKikuPavel F.

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

MD, PhD, DSci., Prof., Far Eastern Federal University, Vladivostok, 690922, Russian Federation

noemail@neicon.ruhttps://orcid.org/0000-0003-2235-9025АбакумовАлександр ИвановичAbakumovAleksandr I.

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

MD, PhD, DSci., Prof., Head of the Lab. of mathematical modelling of biophysical processes, Institute of Automation and Control Processes, Far Eastern Branch of the Russian Academy of Sciences, Vladivostok, 690041, Russian Federation

e-mail: abakumov@dvo.ru 

abakumov@dvo.ruФГБУН «Институт автоматики и процессов управления ДВО РАН»; ФГБОУ ВО «Владивостокский государственный университет»РоссияInstitute of Automation and Control Processes of the Far Eastern Branch of the Russian Academy of Sciences; Vladivostok State UniversityRussian FederationФГАОУ ВО «Дальневосточный федеральный университет»РоссияFar Eastern Federal University, School of MedicineRussian FederationФГБУН «Институт автоматики и процессов управления ДВО РАН»РоссияInstitute of Automation and Control Processes of the Far Eastern Branch of the Russian Academy of SciencesRussian Federation202402052024682116122Copyright © Ермолицкая М.З., Кику П.Ф., Абакумов А.И., 20242024Ермолицкая М.З., Кику П.Ф., Абакумов А.И.Ermolitskaya M.Z., Kiku P.F., Abakumov A.I.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rfhealth.ru/jour/article/view/1543Введение

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

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

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

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

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

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

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

Финансирование

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

Конфликт интересов

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

Поступила 18

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

 

 

Introduction

Introduction. Malignant neoplasms of the breast are the leading oncological pathology among the female population of the Primorsky region. Identification of the relationship between the incidence rate and quality of life indicators, along with modern diagnostic methods, makes it possible to improve preventive measures to reduce the prevalence in the population at the regional level.

Purpose

Purpose. Development of a regression model that describes the impact of socio-economic indicators of quality of life on the incidence of breast cancer in the population of the Primorsky region.

Materials and methods

Materials and methods. The initial data sample consisted of seventeen indicators of the quality of life in the population of Primorsky region for the period from 1994 to 2020. To reduce the dimensionality of the data, the principal component method was used, and regression analysis was used to build the model. The quality of the constructed model was checked on the base of the calculation of the coefficient of determination, the standard error, and the approximation error.

Results

Results. There were identified 15 indicators of the quality of life in the population that significantly affect the pathology of breast cancer in the Primorsky region. Principal component analysis has made it possible to group the quality of life indicators into three major compartments. The first component explains 80.8% of the variance, the second — 10%, the third — 4%. The first compartment included indicators characterizing the socio-economic aspects of the life of the population, the second — medical and social, and the third — statistical indicators of inequality in monetary incomes of the population, characterizing the social differentiation of society. A regression model has been developed on the principal compartments.

Research limitations

Research limitations. The research materials are limited to the results of statistical analysis of 17 indicators of the quality of life of the population of the Primorsky region for the period from 1994 to 2020 and the application of the developed regression model at the regional level.

Conclusion

Conclusion. The results of this study made it possible to identify the relationship between the incidence of breast cancer and risk factors and develop a predictive model, which can be useful in planning preventive measures to improve the quality of life and reduce the incidence at the regional level.

Compliance with ethical standards. The study does not require the submission of the conclusion of the biomedical ethics committee.

Contribution of the authors:Ermolitskaya M.Z. — collection and statistical processing of data, building a model, writing a text, working with literature;Kiku P.F. — research concept and design, writing the text;Abakumov A.I. — research concept and design, editing.All authors are responsible for the integrity of all parts of the manuscript and approval of its final version.

Gratitude

Gratitude. The authors are grateful to Professor V.I. Apanasevich for advice during the research.

Acknowledgment

Acknowledgment. The work was carried out within the framework of state assignment No. 0202-2022-0002 «Development of advanced methods and technologies for creating intelligent information and control systems».

Conflict of interest

Conflict of interest. The authors declare no conflict of interest.

Received

Received: November 18, 2022 / Revised: February 10, 2023 / Accepted: March 2, 2023 / Published: April 29, 2024

 

 

рак молочной железызаболеваемостькачество жизнифакторымодельbreast cancerincidencequality of lifefactorsmodelReferencesWHO. Cancer; 2022. Available at: https://who.int/ru/news-room/fact-sheets/detail/cancerWHO. Cancer; 2022. Available at: https://who.int/ru/news-room/fact-sheets/detail/cancerSiegel 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.21590Siegel 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.21590Федеральная служба государственной статистики. Доступно: https://rosstat.gov.ruFederal State Statistics Service. Available at: https://rosstat.gov.ruРосстат. Российский статистический ежегодник – 2020. М.; 2020.Rosstat. Russian Statistical Yearbook – 2020. Moscow; 2020. (in Russian)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/upzkouNurmanova A., Sultanova Z.I., Annaorazov Y.A. Factors and their role in morbidity, mortality, survival in mammary cancer. Vestnik Kazakhskogo natsional’nogo meditsinskogo universiteta. 2018; (1): 112–4. https://elibrary.ru/upzkou (in Russian)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/yslavpOdintsova I.N., Pisareva L.F., Ananina O.A., Panferova E.V. The morbidity of mammary gland cancer of female population of the Siberian federal district. Zdravookhranenie Rossiyskoy Federatsii. 2017; 61(3): 123–8. https://doi.org/10.18821/0044-197X-2017-61-3-123-128 https://elibrary.ru/yslavp (in Russian)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/kxsipzSinkina T.V., Petrova V.D., Lazarev A.F. Morden view of breast cancer risk factors. Rossiyskiy bioterapevticheskiy zhurnal. 2009; 8(1): 88–94. https://elibrary.ru/kxsipz (in Russian)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/yzpjmlFrantsuzova I.S. Analysis of risk factors of breast cancer development. Mezhdunarodnyy nauchno-issledovatel’skiy zhurnal. 2019; (3): 68–74. https://doi.org/10.23670/IRJ.2019.81.3.011 https://elibrary.ru/yzpjml (in Russian)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/zxrclvShirlina N.G., Stasenko V.L., Shirinskiy V.A., Obukhova T.M. The prevalence of risk factors of breast cancer in different age groups of the female population of the Omsk region. Epidemiologiya i vaktsinoprofilaktika. 2017; 16(6): 40–6. https://elibrary.ru/zxrclv (in Russian)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/10.1097/00001703-200302000-00010Brecelmans C.T. Risk factors and risk reduction of breast and ovarian cancer. Curr. Opin. Obstet. Gynecol. 2003; 15(1): 63–8. https://doi.org/10.1097/00001703-200302000-00010Freedman 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.59.4.257Freedman 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.59.4.257Kolpak E. Causes of morbidity and mortality from breast cancer. Eurasian J. Anal. Chem. 2017; 12(5): 779–91. https://doi.org/10.12973/ejac.2017.00210aKolpak E. Causes of morbidity and mortality from breast cancer. Eurasian J. Anal. Chem. 2017; 12(5): 779–91. https://doi.org/10.12973/ejac.2017.00210aTyrer 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.1668Tyrer 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.1668Ширлина Н.Г. Прогнозирование риска развития рака молочной железы с помощью компьютерной программы. Вестник СурГУ. Медицина. 2016; (4): 63–6. https://elibrary.ru/vlhyyzShirlina N.G. Computer-aided breast cancer risk assessment. Vestnik SurGU. Meditsina. 2016; (4): 63–6. https://elibrary.ru/vlhyyz (in Russian)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.43521Xu 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.43521Lee 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/lgj011Lee 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/lgj011Elwood 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-xElwood 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-xКондратьев М.А. Методы прогнозирования и модели распространения заболеваний. Компьютерные исследования и моделирование. 2013; 5(5): 863–82. https://elibrary.ru/rvbmuxKondrat’ev M.A. Forecasting methods and models of disease spread. Komp’yuternye issledovaniya i modelirovanie. 2013; 5(5): 863–82. https://elibrary.ru/rvbmux (in Russian)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.0210887van 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.0210887Sekeroglu 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/10.1177/1460458220983878Sekeroglu 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/10.1177/1460458220983878Jafarabadi 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/v1Jafarabadi 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/v1GitHub. Шитиков В.К., Мастицкий С.Э. Классификация, регрессия и другие алгоритмы DataMining с использованием R. Доступно: https://github.com/ranalytics/data-miningGitHub. Shitikov V.K., Mastitskiy S.E. Classification, Regression and Other DataMining Algorithms Using R [Klassifikatsiya, regressiya i drugie algoritmy DataMining s ispol’zovaniem R]. Available at: https://github.com/ranalytics/data-mining (in Russian)Кабаков Р.И. R в действии. Анализ и визуализация данных в программе R. Пер. с англ. М.: ДМК Пресс; 2014.Kabakov R.I. R in Action. Data Analysis and Graphics with R [R v deystvii. Analiz i vizualizatsiya dannykh v programme R]. Moscow: DMK Press; 2014. (in Russian)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/gfcmwdEgoshin V.L., Savvina N.V., Grzhibovskiy A.M. Principal components analysis and factor analysis in R. West Kazakhstan Medical Journal. 2020; 62(1): 6–14. https://elibrary.ru/gfcmwd (in Russian)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/ppqvhwKlimushkin A.V., Borshchuk E.L., Begun D.N., Begun T.V., Kulanova A.M. Forecast cancer incidense in Orenburg region. Sovremennye problemy nauki i obrazovaniya. 2021; (2). https://doi.org/10.17513/spno.30582 https://elibrary.ru/ppqvhw (in Russian)

The authors declare that there are no conflicts of interest present.