fa پیش‌بینی ابتلا به نئوپلازی تروفوبلاستیک حاملگی با استفاده از هورمون گونادوتروپین کوریونی انسان عمومى General پژوهشي Research <p><strong>مقدمه و اهداف</strong>: از واژه‌ی عمومی نئوپلازی‌های تروفوبلاستیک حاملگی (GTN) برای توصیف طیف وسیعی از بیماری‌های بدخیم تروفوبلاست که در برگیرنده‌ی مول مهاجم، کوریوکارسینوما، تومور اپیتلوئیدی تروفوبلاست و تومور تروفوبلاستی محل جفت است؛ استفاده می‌شود. این مطالعه با هدف پیش‌بینی ابتلا به GTN در افراد مبتلا به حاملگی مولار در شهر تهران انجام گرفته است.</p> <p><strong>روش کار:</strong> در این مطالعه تمام موارد مربوط به مول کامل و نسبی که حداقل 4 تیتر &beta;-hCG برای آن‌ها ثبت شده بود؛ وارد مطالعه شدند. در مرحله پیش و پس از برازش مدل مناسب برای محاسبه سطح زیر منحنی مربوط به هر متغیر پیشگویی کننده ابتدا نوع ارتباط- خطی یا غیر خطی بودن- با استفاده از روش‌های(locally weighted scatter plot smoothing) &nbsp;Lowess Smoother و (Fractional polynomial regression) Fracpoly تعیین و سپس برای ترسیم نمودار ROC از مدل متناسب با برازش داده‌ها استفاده ‌شده است.</p> <p><strong>نتایج</strong>: آنالیز ناپارامتریک مربع کای‌ نشان داد که بین مؤلفه‌های یک حاملگی مولار پر خطر و ابتلای افراد به GTN ارتباط معنی‌داری وجود نداشت (39/0P=). در مجموع از 201 مورد حاملگی مولار، 61 نفر (30 درصد) دارای یکی از مؤلفه‌های وجود حاملگی مولار پر خطر با خود هستند. منحنی راک با سطح زیر منحنی 86/0 نشان داد که شیب خط رگرسیونی غلظت هورمون &beta;-hCG با حساسیت 73 درصد و ویژگی 88 درصد به عنوان یک متغیر پیش‌بینی کننده‌ی مناسب قابلیت استفاده دارد.</p> <p><strong>نتیجه&rlm; گیری</strong>: پیشنهاد می‌شود، تیتر روز 21ام و شیب خط رگرسیونی هورمون HCG به عنوان یک متغیر ممیزی برای افرادی که دچار GTN شده و آن‌هایی که بهبود خودبه‌خودی بوده‌اند؛ استفاده شود.</p> <p><strong>Background and Objectives: </strong>GTN is a general term for an extensive range of malignant trophoblastic diseases including invasive mole, choriocarcinoma, epithelioid trophoblastic tumors and placental site trophoblastic tumors. The aim of this study was to predict the risk of GTN in patients with molar pregnancy in Tehran.</p> <p><strong>Methods:</strong> All cases with partial and complete mole with a record of at least 4 titers of &beta;-hCG were included in this study. Before and after fitting the appropriate model for calculating the area under the curve of each predictor variable, the type of the relationship (linear or non-linear) was first determined using locally weighted scatter plot smoothing (Lowess Smoother) and fractional polynomial regression&rlm; (Fracpoly); then, a model tailored to data processing was used for drawing the ROC diagram.</p> <p><strong>Results</strong>: Nonparametric chi-square analysis indicated no significant difference between the components of high-risk molar pregnancy and GTN (P=0.39). Generally, among 201 cases of molar pregnancy, 61 (30%) had one of the components of high-risk molar pregnancy. The ROC curve with an AUC of 0.86 showed that the regression slope of &beta;-hCG with 73% sensitivity and 88% specificity could be used as a predictor.</p> <p><strong>Conclusion:</strong> The serum &beta;-hCG measurement after 21 days of molar pregnancy evacuation and the slope of the linear regression line of &beta;-hCG were found be good tests to distinguish between patients who will benefit from spontaneous disease remission and patients developing GTN.</p> پیش‌بینی, نئوپلازی تروفوبلاستیک حاملگی, حاملگی مولار, شیب خط رگرسیونی Prediction, GTN, Molar pregnancy, Slope of linear regression 70 78 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5130&slc_lang=fa&sid=1 P Kimyaiee پریچهر کیمیایی No Department of Gynecologys & Obstetric, Shahid Beheshti University گروه زنان و مامایی، بیمارستان مهدیه تهران، دانشگاه علوم پزشکی شهید بهشتی M Bakhtiyari محمود بختیاری No Department of Epidemiology and Biostatistics, School of Public Health, Tehran University of Medical Sciences, Tehran, Iran, Endocrine Research Center, Research Institute for Endocrine Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت و انستیتو تحقیقات بهداشتی، دانشگاه علوم پزشکی تهران M Mirzamoradi معصومه میرزامرادی drmoradi000@yahoo.com Yes Assistantprofessor of Perinatology, Mahdiyeh Hospital, Shahid Beheshti University of Medical Sciences, Tehran, Iran گروه پریناتولوژی، بیمارستان مهدیه تهران، دانشگاه علوم پزشکی شهید بهشتی S Ashrafivand سپیده اشرفی وند No Department of Gynecologys & Obstetric, Beheshti University of Medical Sciences, Tehran, گروه زنان و مامایی، بیمارستان مهدیه تهران، دانشگاه علوم پزشکی شهید بهشتی MA Mansournia محمد علی منصورنیا No Department of Epidemiology and Biostatistics, School of Public Health, Tehran University of Medical Sciences, Tehran, Iran گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت و انستیتو تحقیقات بهداشتی، دانشگاه علوم پزشکی تهران