Risk prediction for development of benign ovarian tumors in postmenopause

Cover Page

Cite item

Full Text

Abstract

Objective. To calculate the risk prediction of benign ovarian tumor (BOT) development in postmenopausal patients.

Materials and methods. 60 postmenopausal women participated in the prospective study. The patients were divided into 2 groups: the main group which included women with BOT and comparison group – patients with no neoplasms of the uterine appendages. The clinical and medical history data were assessed, laboratory tests (vitamin D level, insulin-like growth factor 1, leptin, zinc, estradiol, testosterone, sex steroid-binding globulin, cancer marker 125) were performed, results of instrumental methods of examination (pelvic ultrasound) were analyzed as well as surgical treatment protocols and histological studies. Regression analysis of the data obtained was carried out, statistically significant features were determined and the mathematical model for the risk prediction of the development of BOT in postmenopause was created.

Results. The investigation showed that an isolated assessment of the studied laboratory markers has no statistical significance for determining the risk of developing postmenopausal ovarian tumors; a multifactorial approach is relevant, that is assessing a combination of factors.

Conclusions. The developed mathematical model for predicting the development of postmenopausal ovarian tumors demonstrated an increase in the effectiveness of risk prognosis for developing postmenopausal ovarian tumors in postmenopausal patients, the sensitivity of the developed method was 95 %, specificity 85.7 %.

About the authors

Yu. A. Shashurina

Perm Regional Clinical Hospital

Author for correspondence.
Email: jusya15@yandex.ru

Degree Candidate of the Department of Obstetrics and Gynecology no. 1, Obstetrician-gynecologist of the Gynecology Department

Russian Federation, Perm

References

  1. Подзолкова Н.М., Кузнецов Р.Э. Состояние проблемы ранней диагностики и лечения доброкачественных опухолей яичников у пациенток в постменопаузе (обзор литературы). Гинекология 2021; 23 (4): 294–299. / Podzolkova N.M., Kuznetsov R.E. Early diagnosis and treatment of benign ovarian tumors in postmenopause, the state of the problem (literature review). Gynecology 2021; 23 (4): 294–299 (in Russian).
  2. Brun J.L., Fritel X., Aubard Y., Borghese B. Management of presumed benign ovarian tumors: updated French guidelines. European Journal of Obstetrics, Gynecology and Reproductive Biology 2014; 183: 52–8.
  3. Erdogan Nohuz, Luisa De Simone, Gautier Chêne. Reliability of IOTA score and ADNEX model in the screening of ovarian malignancy in postmenopausal women. Journal of Gynecology Obstetrics and Human Reproduction 2019; 48 (2): 103–107.
  4. Озерская И.А. Стандартизация ультразвукового исследования патологии придатков матки по IOTA и O-RADS: методические рекомендации 2022. / Ozerskaya I.A. Standartization of ultrasound investigation of uterine appendages' pathology by IOTA и O-RADS: guidelines. 2022 (in Russian).
  5. Чибисова Г.М., Хабаров С.В. Комплексное определение онкомаркеров СА125, НЕ4 и индекса ROMA как фактор прогноза развития рака. Вестник новых медицинских технологии 2018; 25 (3): 15–20. / Chibisova G.M., Chabarov S.V. Complex determination of tumor markers СА125, НЕ4 and ROMA index as a prognostic factor for ovarian cancer development. Journal of new medical technologies 2018; 25 (3): 15–20 (in Russian).
  6. Алентов И.И., Новикова Е.Г., Сергеева Н.С. Опухоль-ассоциированные маркеры СА125 и НЕ4: эффективность и ограничения при диагностике злокачественных опухолей яичников. Акушерство и гинекология: новости, мнения, обучение 2017; 1. / Alentov I.I., Novikova E.G., Sergeeva N.S. Tumor assosiated markers СА125 и НЕ4: effectiveness and restrictions in diagnosis of malignant ovarian tumors. Obstetrics and Gynecology: News, Options, Training 2017; 1 (in Russian).
  7. Irvin S.R., Weiderpass E., Stanczyk F.Z. Association of AntiMullerian Hormone, Follicle Stimulating Hormone, and Inhibin B with Risk of Ovarian Cancer in the Janus Serum Bank. Cancer Epidemiology Biomarkers Prevention 2020; 13.
  8. Bingcheng Guo, Wei Lian. Comparison of diagnostic values between CA125 combined with CA199 and ultrasound combined with CT in ovarian cancer. Oncology Letters 2019; 17 (6): 5523–5528.
  9. Denise R. Nebgen, Zhen Lu., Chae Young Han. Biomarkers and Strategies for Early Detection of Ovarian Cancer. Current Oncology and Reproduction 2019; 21 (8): 75.
  10. Robert C. Bast Jr. Cancer Epidemiol Biomarkers. Prev. 2020; 29 (12): 2504–2512.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. ROC curve for a model identifying a benign ovarian tumor based on the patient’s age and integral index, for formula (1) AUC = 0.95; for the “age” feature AUC = 0.69

Download (188KB)
Indexing metadata

Copyright (c) 2025 Eco-Vector


 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».