فصلنامه بیماری های پستان ایران
سال ششم شماره 1 (پیاپی 20، بهار 1392)

درمان های سرطان پستان و درمان های جانبی دیگری که برای کنترل عوارض جانبی تجویز می شوند، می توانند متابولیسم کربوهیدرات و گیکولیز را تحت تاثیر قرار دهند و تا مدت ها پس از قطع درمان نیز ادامه داشته باشند. لاکتات خون فرآورده نهایی گلیکولیز است و منبع انرژی مهمی در هنگام ورزش است. با توجه به تشویق گسترده افراد مبتلا به سرطان پستان به انجام ورزش، هدف از انجام این مطالعه مقایسه تغییرات لاکتات خون در شدت های مختلف ورزشی در بیماران دچار سرطان پستان درمان شده در مقایسه با افراد سالم است.
ده بیمار دچار سرطان پستان مرحله یک تا سه، با میانگین سنی 4/3±45 که حداقل 5 ماه از درمان آنها گذشته بود و ده فرد سالم که از نظر سن، فعالیت بدنیو وضعیت قاعدگی با بیماران همتا بودند، برای این مطالعه انتخاب شدند. سپس شرکت کنندگان با دو شدت متفاوت ورزشی (60 درصد و 80 درصد حداکثر ضربان قلب) بر روی نوارگردان به مدت 12 دقیقه دویدند. قبل و پس از هر دوره فعالیت 12 دقیقه ای میزان لاکتات خون اندازه گیری و ثبت شد.
هر 20 شرکت کننده توانستند آزمون ورزشی را به پایان برسانند. همچنین یافته ها نشان داد که چه در شدت ورزشی متوسط و زیاد تفاوتی بین بیماران و افراد سالم در تغییرات لاکتات خون وجود نداشت.
به نظر می رسد که بیماران مبتلا به سرطان پستان درمان شده پاسخ لاکتات متفاوتی نسبت به زنان سالم ندارند. با این وجود مطالعات بیشتری نیاز است تا پاسخ لاکتات خون و سایر نشانگرهای متابولیسم در این بیماران بررسی شود.

سرطان پستان یکی از شایع ترین بیماری های زنان است. شناسایی و تشخیص زود هنگام این بیماری می تواند در درمان آن بسیار موثر باشد. ماموگرافی در حال حاضر از موثرترین روش های تشخیص بیماری سرطان پستان است. دسته بندی و جداسازی تصاویر مشابه بر اساس نوع توده ها و بافت های موجود در آن می تواند در تفکیک و تشخیص بیماری بسیار موثر باشد. دقت در جداسازی ویژگی ها یک فاکتور مهم در طبقه بندی، کلاس بندی و بازیابی تصاویر است.
ما با توجه به تصاویر ماموگرافی به تشخیص توده های موجود در تصاویر اقدام می کنیم. در این کار بدون نیاز به تشخیص ناظر، نرم افزار تصاویر مشابه را به طور کامل و دقیق شناسایی کرده و آنها را به صورت مجزا در دسته های مختلف نمایش می دهد. در اینجا مدلی برای کاهش اطلاعات موجود در تصاویر بر اساس آنالیز اجزا اولیه به صورت دو بعدی دو جهتی ارایه شده است که می تواند با کاهش داده های اضافی موجود در تصاویر ماموگرافی به دقت و سرعت دسته بندی تصاویر کمک کند. پس از انجام کاهش داده ها، به کمک ماشین بردار پشتیبان با تابع شعاعی به طبقه بندی و بازیابی تصاویر پرداخته شده است.
این مدل می تواند برای تحلیل و دسته بندی تصاویر ماموگرافی در حجم بالا مورد استفاده قرار گیرد. بر اساس مدل پیشنهادی، تصاویر دارای چگالی بالا و احتمال وجود توده های سرطانی در دسته های مجزا از تصاویر کم خطرتر قرار می گیرند و بدین وسیله جداسازی و آنالیز تصاویر در دسته های مختلف امکان پذیر می شود.
مدل ارایه شده در این پژوهش، بر روی پایگاه داده جامعه تحلیل تصاویر ماموگرافی MIAS تست شده است. دقت میانگین نتایج در حدود 90 % قرار گرفته است که نشان دهنده دقت بالای مدل ارایه شده است. در نهایت نتایج شبیه سازی مدل پیشنهادی با سایر گزارشات معتبر مقایسه شده است تا کارایی مدل پیشنهادی به وضوح دیده شود.

سرطان پستان یکی از شایع ترین سرطان ها در زنان است. بررسی کیفیت زندگی به عنوان یک موضوع مهم در مطالعات بیماری های مزمن، به خصوص سرطان، مطرح است. تمامی مجموعه علائم جسمانی و روانی سرطان، کیفیت زندگی بیماران را تحت تاثیر قرار می دهد. استفاده از درمان های مکمل از جمله رفلکسولوژی برای بیماران مبتلا به درد و ناراحتی عاطفی ناشی از سرطان، می تواند منجر به ایجاد احساس آرامش در بیماران شود. مطالعه حاضر با هدف تعیین تاثیر رفلکسولوژی بر کیفیت زندگی بیماران مبتلا به سرطان پستان تحت شیمی درمانی در مرکز بیماری های پستان وابسته به جهاد دانشگاهی دانشگاه تهران در سال 1391 انجام گرفت.
این مطالعه یک کارآزمایی بالینی تصادفی شده است که بر روی 60 بیمار مبتلا به سرطان پستان تحت شیمی درمانی در مرکز بیماری های پستان در سال 1391 انجام گردید. بیماران به صورت تصادفی در سه گروه آزمون و کنترل و دارونما قرار گرفتند. در گروه آزمون رفلکسولوژی به مدت سه هفته هر جلسه به مدت نیم ساعت انجام شد. برای گروه دارونما نیز به مدت سه هفته هر جلسه به مدت 30-20 دقیقه فقط تکنیک های آرام سازی انجام شد. گروه کنترل مراقبت های معمول مرکز بیماری-های پستان را دریافت کردند. ابزار گردآوری داده ها شامل پرسشنامه های استاندارد EORTC QLQ-C30.V.3و EORTC QLQ – BR23.V.3 بود. پرسشنامه ها قبل از انجام مداخله و دو هفته بعد از انجام مطالعه توسط نمونه ها تکمیل شد.
قبل از مداخله در سه گروه از نظر مشخصات دموگرافیک، نمره کلی کیفیت زندگی از پرسشنامه EORTC QLQ-C30 تفاوت معنی داری وجود نداشت (05/0p>). مقایسه میانگین نمره کلی کیفیت زندگی قبل و دو هفته بعد از مداخله در دو گروه آزمون و دارونما اختلاف معنی داری را نشان داد(p<0/001). میانگین نمره کلی کیفیت زندگی در دو هفته بعد از مداخله نسبت به قبل از مداخله در گروه آزمون نسبت به گروه دارونما بیشتر بود. همچنین نتایج نشان داد که اختلاف معنی داری از نظر نمره کلی کیفیت زندگی بین سه گروه آزمون و دارونما و کنترل بعد از مداخله وجود داشت(p<0/001). یافته ها نشان داد بهبودی قابل ملاحظه ایی در ابعاد مختلف کیفیت زندگی در گروه آزمون نسبت به دو گروه دارونما و کنترل حاصل شد.
کاهش درد، اضطراب، تهوع و سایر علائم مرتبط در بیماران مبتلا به سرطان از موارد مهم تمرکز مراقبت های پرستاری است و پرستاری دقیق موجب تسکین قابل توجه این نشانه ها می شود. استفاده از رفلکسولوژی در بیماران مبتلا به سرطان پستان می تواند باعث بهبود کیفیت زندگی شود. لذا انجام آن به عنوان یک روش موثر به بیماران مبتلا به سرطان پستان توصیه می-شود.

با توجه به شیوع سرطان پستان در میان زنان و اهمیت تاثیر عوامل پیش آگهی در بقای کلی بیماری، این مطالعه با هدف بررسی ارتباط عوامل پیش آگهی دهنده مرگ و متاستاز بیماری سرطان پستان اجرا گردید.
پرونده 518 بیمار مبتلا به سرطان پستان درمان شده در دو بیمارستان پارس و فیاض بخش در فاصله سال-های 1388-1385 به صورت گذشته نگر مورد بررسی قرار گرفت. بیماران از لحاظ آخرین وضعیت (فوت یا متاستاز) در سال 1391 پیگیری شدند. اثر عوامل پیش آگهی و ارتباط آن با مراحل مختلف بیماری(متاستاز و مرگ) با استفاده از مدل بیماری-مرگ و به کمک نرم افزار R بررسی شد.
میانگین سن بیماران 8/48 سال با انحراف معیار 8/10سال برآورد شد. میانه زمان پیگیری برابر 5/5 سال بود. در این مطالعه تعداد گره های لنفاوی درگیر در بروز مرگ و متاستاز معنی دار بدست آمد (001/0p<). در بیماران با تعداد گره های درگیر بیشتر، میزان خطر مرگ و متاستاز بالاتر بود. عوامل درجه بدخیمی تومور، HER-2 و اندازه تومور در بیماران دارای متاستاز در بروز مرگ معنی دار بودند (05/0>p). متغیر های ER، PR در این مطالعه در بروز مرگ یا متاستاز معنی دار بدست نیامد. سن بیماران در بروز مرگ معنی دار شد (01/0p=).
این مطالعه نشان دادکه عوامل گرید تومور، تعداد گره های لنفی درگیر و اندازه تومور در بیماران دارای متاستاز نقش بسزایی در بروز مرگ بیماران داشته و در بیمارانی که تعداد گره های لنفاوی درگیر و اندازه تومور بیشتر است احتمال خطر متاستاز و مرگ بالاتر است.

سرطان پستان شایع ترین سرطان در میان زنان سراسر جهان است. هدف مطالعه حاضر تعیین عوامل پیشگویی کننده محور کنترل سلامت خودآزمایی پستان بر اساس الگوی اعتقاد بهداشتی است.
در این مطالعه مقطعی تعداد 391 زن به روش نمونه گیری در دسترس از مراکز بهداشتی- درمانی منتخب شهر بوشهر در سال 1391 انتخاب شدند. برای جمع آوری داده ها از پرسشنامه استاندارد چمپیون جهت سنجش سازه های الگوی اعتقاد بهداشتی، پرسشنامه استاندارد محورکنترل سلامت و پرسشنامه دموگرافیک استفاده شد.
نتایج مطالعه حاکی از آن بود که سازه حساسیت درک شده (015/0P=) و انگیزش بهداشتی (000/0P=) پیشگویی کننده محور کنترل درونی بوده و سازه فواید درک شده (034/0P=)، انگیزش بهداشتی (026/0P=) و متغیر آگاهی (000/0P=) به عنوان پیشگویی کننده محور کنترل بیرونی هستند. در مورد محور کنترل شانس سازه شدت (023/0P=)، موانع درک شده (004/0P=)، انگیزش بهداشتی (007/0P=) و متغیر آگاهی (034/0P=) به عنوان پیشگویی کننده شناسایی شدند.
از آنجایی که انجام رفتارهای بهداشتی و از جمله خودآزمایی پستان در افراد با محور کنترل درونی بیشتر است، لذا افزایش انگیزش بهداشتی و خودداری از ایجاد درک آسیب پذیری (مستعد بودن) بیش از حد، جهت ایجاد محور کنترل درونی ضروری است.

پیش بینی تشخیص، بقا و عود بیماران مبتلا به سرطان پستان، همواره از چالش های مهم برای محققین و پزشکان بوده است. امروزه به مدد علوم بیوانفورماتیک، امکان رفع این چالش ها با بهره گیری از اطلاعات قبلی ثبت شده از بیماران تا حدود زیادی محقق گردیده است. با تکنولوژی های کم هزینه سخت افزاری و نرم افزاری، داده ها با کیفیت بهتر و در حجم های بالاتر به صورت خودکار ذخیره می گردند و به کمک تجزیه و تحلیل بهتر آنها، این حجم عظیم از داده ها به صورتی کارآمد و موثرتر پردازش می-شوند. هدف اصلی این مقاله معرفی تعدادی از الگوریتم های پرکاربرد و شناخته شده داده کاوی در سرطان پستان است.
الگوریتم های داده کاوی، مدل های بهینه ای هستند که در پیش بینی تشخیص، بقا و عود سرطان پستان به کار رفته و دقت قابل توجهی از خود نشان داده اند. نتایج حاصل از این الگوریتم ها، نه تنها به پزشکان در تصمیم گیری بهتر کمک می کند بلکه باعث آشکار شدن برخی از الگوهای پنهان و ناشناخته می شود که شاید توجه خاصی به آنها معطوف نبوده است. این الگوریتم ها شامل: شبکه های عصبی مصنوعی (Artificial Neural Networks/ANNs)، درختان تصمیم گیری(Decision Trees)، شبکه-های بیزی(Bayes Nets)، بیزی ساده(Naive Bayes)، رگرسیون لجستیک(Logistic Regression)، بردار پشتیبان ماشین (Support Vector Machine) و روش های ترکیبی درختان تصمیم و شبکه های بیزی(Decision Tree with Naive Bayes) هستند. از این الگوریتم ها، برای دسته بندی، خوشه بندی، یادگیری آماری که مهم ترین روش های داده کاوی هستند، استفاده می شود.
در این مقاله، 7 الگوریتم برتر داده کاوی در پیش بینی بقا، تشخیص و عود بیماران مبتلا به سرطان پستان معرفی می گردند و با معرفی هر الگوریتم، پیشینه ای از تحقیقات صورت گرفته در سرطان پستان به کمک الگوریتم مورد نظر، نتایج حاصل از آن و همچنین تحقیقات فعلی در حال انجام در این خصوص ارائه می شود. درختان تصمیم و ماشین بردار پشتیبان، در تحقیقات مختلف انجام شده، معمولا نتایج بهتر و دقیق تری در زمینه دقت، حساسیت و ویژگی ارایه کرده اند.
موفقیت این الگوریتم ها، به فاکتورهای متعددی چون وجود متغیرهای مورد نیاز، بزرگتر بودن پایگاه داده، کم بودن تعداد داده های مفقوده و دسترسی به داده های صحیح و درست بستگی دارد.