• 中国精品科技期刊
  • 《中文核心期刊要目总览》收录期刊
  • RCCSE 中国核心期刊(5/114,A+)
  • Scopus收录期刊
  • 美国《化学文摘》(CA)收录期刊
  • WHO 西太平洋地区医学索引(WPRIM)收录期刊
  • 《中国科学引文数据库(CSCD)》核心库期刊 (C)
  • 中国科技核心期刊
  • 中国科技论文统计源期刊
  • 《日本科学技术振兴机构数据库(中国)》(JSTChina)收录期刊
  • 美国《乌利希期刊指南》(UIrichsweb)收录期刊
  • 中华预防医学会系列杂志优秀期刊(2019年)

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2003—2018年间中国女性宫颈癌发病与死亡趋势研究

张仲华 刘晨瑛 任会叶 梁少辉

张仲华, 刘晨瑛, 任会叶, 梁少辉. 2003—2018年间中国女性宫颈癌发病与死亡趋势研究[J]. 中华疾病控制杂志, 2022, 26(1): 14-20. doi: 10.16462/j.cnki.zhjbkz.2022.01.003
引用本文: 张仲华, 刘晨瑛, 任会叶, 梁少辉. 2003—2018年间中国女性宫颈癌发病与死亡趋势研究[J]. 中华疾病控制杂志, 2022, 26(1): 14-20. doi: 10.16462/j.cnki.zhjbkz.2022.01.003
ZHANG Zhong-hua, LIU Chen-ying, REN Hui-ye, LIANG Shao-hui. Analysis and prediction of the incidence and mortality trends of cervical cancer in Chinese women from 2003 to 2018[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2022, 26(1): 14-20. doi: 10.16462/j.cnki.zhjbkz.2022.01.003
Citation: ZHANG Zhong-hua, LIU Chen-ying, REN Hui-ye, LIANG Shao-hui. Analysis and prediction of the incidence and mortality trends of cervical cancer in Chinese women from 2003 to 2018[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2022, 26(1): 14-20. doi: 10.16462/j.cnki.zhjbkz.2022.01.003

2003—2018年间中国女性宫颈癌发病与死亡趋势研究

doi: 10.16462/j.cnki.zhjbkz.2022.01.003
基金项目: 

国家自然科学基金 11201277

详细信息
    通讯作者:

    刘晨瑛,E-mail: liuchenying0420@sina.com

  • 中图分类号: R19;R737.33

Analysis and prediction of the incidence and mortality trends of cervical cancer in Chinese women from 2003 to 2018

Funds: 

National Natural Science Foundation of China 11201277

More Information
  • 摘要:   目的  研究2003—2018年中国20~79岁女性宫颈癌发病率和死亡率的变化趋势,对未来五年宫颈癌发病及死亡率的趋势进行预测。  方法  收集我国2003—2018年20~79岁女性宫颈癌的发病和死亡数据,利用联结点回归模型分析趋势变化规律,进一步利用年龄-时期-队列模型探讨年龄、时期和队列因素对宫颈癌发病和死亡率的影响。分别建立自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)、灰色模型(grey model, GM)(1,1)和误逆差传播(back propagation, BP)神经网络模型对发病率和死亡率进行拟合,选取预测精度高的模型预测未来五年宫颈癌的发病率和死亡率。  结果  2003—2018年间女性宫颈癌的发病率具有2个转折点,发病趋势先快速上升随后下降;死亡率具有1个转折点,趋势是先下降再上升。总体上看,宫颈癌的发生风险随着年龄的增长而增大,在55~<60岁达到峰值后缓慢下降。死亡风险从年龄上看不断上升,时期效应随着时期的推进而增大,队列效应则不断减弱。通过对比发现BP神经网络模型拟合的效果较好。  结论  2003—2018年间中国女性宫颈癌的发病率和死亡率整体上呈现下降的趋势,受年龄影响较大而受时期和队列的影响较小,未来五年发病率和死亡率将呈下降趋势。因此,应加强女性宫颈癌筛查和HPV疫苗接种工作,做好防控措施。
  • 图  1  女性宫颈癌年龄段发病率趋势

    Figure  1.  Tendency of incidence of female cervical cancer cases with different ages

    图  2  女性宫颈癌年龄段死亡率趋势

    Figure  2.  Tendency of mortality of female cervical cancer cases with different ages

    图  3  女性宫颈癌发病率的时期趋势

    Figure  3.  Tendency of incidence of female cervical cancer cases with different periods

    图  4  女性宫颈癌死亡率的时期趋势

    Figure  4.  Tendency of mortality of female cervical cancer cases with different periods

    图  5  女性宫颈癌发病率的队列趋势

    Figure  5.  Tendency of incidence of female cervical cancer cases with different cohorts

    图  6  女性宫颈癌死亡率的队列趋势

    Figure  6.  Tendency of mortality of female cervical cancer cases with different cohorts

    图  7  BP神经网络拟合及预测结果

    Figure  7.  The fitting and forecasting results of BP neural network model

    表  1  中国女性宫颈癌发病率、死亡率APC模型分析结果

    Table  1.   APC model results of the incidence and mortality of female cervical cancer in China

    变量 发病率 死亡率
    β sx Z P β sx Z P
    年龄(岁)
      20~<25 -1.86 0.43 -4.34 <0.001 -2.55 1.22 -2.10 0.036
      25~<30 -0.71 0.22 -3.22 0.001 -1.51 0.64 -2.36 0.018
      30~<35 -0.07 0.17 -0.40 0.689 -0.75 0.48 -1.59 0.113
      35~<40 0.15 0.15 0.95 0.344 -0.27 0.40 -0.68 0.496
      40~<45 0.33 0.15 2.25 0.025 0.16 0.34 0.47 0.638
      45~<50 0.39 0.14 2.83 0.005 0.44 0.29 1.53 0.126
      50~<55 0.42 0.13 3.24 0.001 0.69 0.24 2.93 0.003
      55~<60 0.44 0.12 3.64 <0.001 0.70 0.20 3.56 <0.001
      60~<65 0.32 0.12 2.77 0.006 0.69 0.17 4.16 <0.001
      65~<70 0.26 0.11 2.33 0.020 0.78 0.16 5.00 <0.001
      70~<75 0.18 0.12 1.48 0.139 0.80 0.18 4.47 <0.001
      75~79 0.17 0.14 1.22 0.224 0.82 0.23 3.62 <0.001
    时期(年)
      2003 -0.16 0.07 -2.42 0.015 -0.25 0.13 -1.99 0.047
      2008 -0.13 0.06 -2.11 0.035 -0.18 0.09 -2.04 0.042
      2013 0.08 0.06 1.40 0.162 0.12 0.09 1.32 0.186
      2018 0.21 0.06 3.48 <0.001 0.32 0.11 2.75 0.006
    队列(年)
      1928—1932 0.42 0.23 1.79 0.073 0.92 0.34 2.68 0.007
      1933—1937 0.35 0.17 2.04 0.041 0.81 0.26 3.05 0.002
      1938—1942 0.27 0.14 1.95 0.051 0.66 0.22 3.07 0.002
      1943—1947 0.18 0.12 1.44 0.149 0.50 0.19 2.67 0.008
      1948—1952 0.23 0.13 1.84 0.065 0.47 0.20 2.36 0.018
      1953—1957 0.21 0.13 1.53 0.125 0.34 0.23 1.50 0.135
      1958—1962 0.10 0.15 0.66 0.511 0.13 0.28 0.47 0.639
      1963—1967 0.10 0.16 0.62 0.534 0.09 0.32 0.29 0.769
      1968—1972 0.16 0.16 1.02 0.309 -0.01 0.37 -0.02 0.980
      1973—1977 -0.01 0.17 -0.04 0.966 -0.26 0.42 -0.60 0.547
      1978—1982 -0.08 0.18 -0.41 0.681 -0.40 0.48 -0.83 0.405
      1983—1987 -0.15 0.20 -0.74 0.461 -0.51 0.53 -0.95 0.345
      1988—1992 -0.38 0.25 -1.52 0.127 -0.72 0.68 -1.05 0.295
      1993—1997 -0.80 0.41 -1.98 0.048 -1.07 1.11 -0.97 0.334
      1998—2002 -0.60 0.87 -0.69 0.490 -0.98 2.38 -0.41 0.681
    b 2.64 0.07 36.28 <0.001 1.61 0.18 8.75 <0.001
    偏差 1.90 1.05
    自由度 20 20
    AIC 5.74 4.77
    BIC -75.52 -75.57
    下载: 导出CSV

    表  2  标化发病率及标化死亡率模型拟合值

    Table  2.   Fitting values of the age-adjusted incidence and mortality

    年份(年) 标化发病率
    (/10万)
    ARIMA(0, 1, 0) GM(1, 1) BP神经网络 标化死亡率
    (/10万)
    ARIMA(0, 1, 0) GM(1, 1) BP神经网络
    2003 11.26 4.88
    2004 11.45 11.42 10.91 4.81 4.76 4.48
    2005 11.37 11.61 11.10 4.91 4.71 4.54
    2006 11.23 11.52 11.30 4.49 4.84 4.60
    2007 11.25 11.39 11.51 4.56 4.45 4.66
    2008 11.28 11.41 11.72 11.46 4.65 4.54 4.72 4.38
    2009 11.55 11.44 11.93 11.49 4.66 4.66 4.78 4.61
    2010 11.85 11.71 12.14 11.92 4.53 4.70 4.84 4.33
    2011 12.16 12.01 12.36 12.26 4.49 4.60 4.90 4.97
    2012 12.51 12.32 12.58 12.57 4.81 4.59 4.97 4.98
    2013 12.98 12.67 12.81 12.97 5.30 4.94 5.03 5.02
    2014 13.55 13.14 13.04 13.49 4.95 5.45 5.10 5.08
    2015 13.88 13.70 13.28 13.90 5.16 5.13 5.17 4.83
    2016 13.87 14.03 13.52 14.20 5.28 5.37 5.23 5.15
    2017 13.31 14.03 13.76 13.45 5.00 5.52 5.30 4.96
    2018 13.73 13.47 14.01 13.65 5.89 5.27 5.37 5.91
    MAE 0.22 0.31 0.10 0.08 0.07 0.04
    MSE 0.08 0.13 0.02 0.21 0.20 0.19
    MAPE(%) 2.45 1.71 0.79 4.27 4.12 3.96
    下载: 导出CSV
  • [1] 魏长慧, 朱继存, 牛媛娜, 等. 2004-2016年中国女性生殖系统恶性肿瘤死亡趋势分析[J]. 中华疾病控制杂志, 2019, 23(5): 506-511. DOI: 10.16462/j.cnki.zhjbkz.2019.05.003.

    Wei CH, Zhu JC, Niu YN, et al. Analysis of the mortality trend of female reproductive system cancer in China from 2004 to 2016[J]. Chin J Dis Control Prev, 2019, 23(5): 506-511. DOI: 10.16462/j.cnki.zhjbkz.2019.05.003.
    [2] 唐大先. 年轻女性宫颈癌患者临床特征与早期宫颈癌预后因素分析[J]. 中外女性健康研究, 2019, (15): 53-54. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWVJ201915033.htm

    Tang DX. Analysis of clinical features and prognostic factors of early cervical cancer in young women[J]. Women's Health Research, 2019, (15): 53-54. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWVJ201915033.htm
    [3] 胡文斌, 史建国, 张婷, 等. 江苏省昆山市2006-2013年宫颈癌发病趋势分析[J]. 中华肿瘤防治杂志, 2015, 22(21): 1658-1661. DOI: 10.16073/j.cnki.cjcpt.2015.21.004.

    Hu WB, Shi JG, Zhang T, et al. Temporal trend analysis of cervical cancer incidence during 2006-2013 in Kunshan, Jiangsu Province[J]. Chin J Cancer Prev Treat, 2015, 22(21): 1658-1661. DOI: 10.16073/j.cnki.cjcpt.2015.21.004.
    [4] Dhillon PK, Yeole BB, Dikshit R, et al. Trends in breast, ovarian and cervical cancer incidence in Mumbai, India over a 30-year period, 1976-2005: an age-period-cohort analysis. [J]. Br J Cancer, 2011, 105(5): 723-730. DOI: 10.1038/bjc.2011.301.
    [5] Gonzaga CMR, Freitas JR, Barbaresco AA, et al. Cervical cancer mortality trends in Brazil: 1980-2009[J]. Cad Saude Publica, 2013, 29(3): 599-608. DOI: 10.1590/S0102-311X2013000300017.
    [6] 原瑞霞. 基于GBD大数据分析与预测中国女性乳腺癌发病与死亡趋势的研究[D]. 武汉: 武汉大学, 2018.

    Yuan RX. Analysis and prediction of morbility and mortality trend of breast cancer in Chinese women based on GBD big data[D]. Wuhan: Wuhan University, 2018.
    [7] Yang Y, Fu WJ, Land KC. A methodological comparison of age-period-cohort models: the intrinsic estimator and conventional generalized linear models[J]. Sociol Methodol, 2004, 34(1): 75-110. DOI: 10.1111/j.0081-1750.2004.00148.x.
    [8] 陈磊, 徐杰茹, 王冕, 等. 1990-2019年中国肾癌死亡趋势及其年龄-时期-队列分析[J]. 中华疾病控制杂志, 2021, 25(9): 1026-1033. DOI: 10.16462/j.cnki.zhjbkz.2021.09.007.

    Chen L, Xu JR, Wang M, et al. Analysis for mortality trend and age-period-cohort of kidney cancer in China from 1990 to 2019[J]. Chin J Dis Control Prev, 2021, 25(9): 1026-1033. DOI: 10.16462/j.cnki.zhjbkz.2021.09.007.
    [9] 程志伟. 利用年龄-时期-队列模型探讨中国膀胱癌死亡率的影响因素[D]. 郑州: 郑州大学, 2018.

    Cheng ZW. Study on the influencing factors of bladder cancer mortality in China by age-period-cohort model[D]. Zhengzhou: Zhengzhou University, 2018.
    [10] 向芳, 李胜, 郝莲, 等. 2003-2017年中国女性宫颈癌死亡趋势分析-基于年龄-时期-队列模型[J]. 卫生经济研究, 2020, 37(5): 23-27. DOI:10.14055/j.cnki.33-1056/f.2020.05.024.

    Xiang F, Li S, Hao L, et al. Analysis on Chinese women's cervical cancer death trends from 2003 to 2017[J]. Health Economics Research, 2020, 37(5): 23-27. DOI: 10.14055/j.cnki.33-1-1056/f.2020.05.024.
    [11] 包娅薇, 邵明, 陈雨婷, 等. 自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用[J]. 中华疾病控制杂志, 2020, 24(5): 543-548. DOI: 10.16462/j.cnki.zhjbkz.2020.05.010.

    Bao YW, Shao M, Chen YT, et al. Application of autoregressive integrated moving average (ARIMA) model in global prediction of COVID-19 incidence[J]. Chin J Dis Control Prev, 2020, 24(5): 543-548. DOI: 10.16462/j.cnki.zhjbkz.2020.05.010.
    [12] 王峰. 基于灰色神经网络模型的全国病毒性肝炎发病率预测[D]. 太原: 山西医科大学, 2012.

    Wang F. Predict the incidence of hepatitis B based on Grey and neural network model[D]. Taiyuan: Shanxi Medical University, 2012.
    [13] 颜康康. 多种模型在梅毒月发病率预测中的比较研究[D]. 长春: 吉林大学, 2015.

    Yan KK. The comparative study of many models on the forecasting incidence of syphilis[D]. Changchun: Jilin University, 2015.
  • 加载中
图(7) / 表(2)
计量
  • 文章访问数:  1764
  • HTML全文浏览量:  514
  • PDF下载量:  413
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-23
  • 修回日期:  2021-07-07
  • 网络出版日期:  2022-01-16
  • 刊出日期:  2022-01-10

目录

    /

    返回文章
    返回