Prevalence of musculoskeletal diseases in knee and its influencing factors among greenhouse farmers in Shouguang
-
摘要: 目的 了解寿光市大棚劳动者膝关节肌肉骨骼疾患的患病情况，分析肌肉骨骼疾患相关影响因素。方法 选择山东省寿光市五个蔬菜大棚种植区15个村庄至少从事一年劳动的蔬菜大棚劳动者进行面对面调查，分析膝关节肌肉骨骼疾患的发生和影响因素。结果 共纳入研究对象1 780人，大棚劳动者膝关节肌肉骨骼疾患的患病率为41.9%。单因素Logistic回归分析发现共48个因素与大棚劳动者膝关节疾病的发生有关；多因素Logistic回归分析提示，女性（OR=1.795，95% CI：1.433~2.249）、年龄≥50岁（OR=1.635，95% CI：1.271~2.105）、BMI≥24 kg/m2（OR=1.445，95% CI：1.151~1.814）、种植年数≥20年（OR=1.767，95% CI：1.368~2.282）、长时间跪着工作（OR=1.616，95% CI：1.207~2.165）、长时间走动工作（OR=1.967，95% CI：1.290~3.000）、以不舒服的姿势搬举重物 （OR=1.421,95% CI：1.116~1.809）、稍微弯腰（OR=2.084,95% CI：1.427~3.045）、大幅度转身（OR=1.291,95% CI：1.002~1.663）、头部重复弯曲扭转（OR=1.565,95% CI：1.187~2.063）、常被迫弯腰（OR=1.245,95% CI：0.979~1.584）会增加膝关节疾病发生的风险。结论 大棚劳动者膝关节肌肉骨骼疾患的患病率较高，亟待采取合理的预防和控制措施来减少大棚劳动者膝关节肌肉骨骼疾患的发生。Abstract: Objective To assess the prevalence of musculoskeletal diseases in knee as well as the influencing factors among greenhouse farmers in Shouguang. Methods A cross-sectional household survey was conducted in the greenhouse farmers who had been working for at least a year. The greenhouse farmers were chosen from five main vegetable cultivating areas in Shouguang, Shandong Province. Results A total of 1 780 subjects were surveyed. The annual prevalence of knee musculoskeletal diseases among greenhouse farmers was 41.9%. 48 variables were found significantly associated with knee musculoskeletal diseases through univariate Logistic regression analysis. Multivariate Logistic regression analysis showed that the female gender (OR=1.795, 95% CI:1.433-2.249), age≥50years old (OR=1.635, 95% CI:1.271-2.105), BMI≥24 kg/m2 (OR=1.445, 95% CI:1.151-1.814), working years≥20years (OR=1.767, 95% CI:1.368-2.282), keep working on knees(OR=1.616;95% CI:1.207-2.165), keep walking while working(OR=1.967;95% CI:1.290-3.000), lifting heavy objects in awkward posture (OR=1.421,95% CI:1.116-1.809), bending slightly(OR=2.084,95% CI:1.427-3.045), turning over significantly (OR=1.291,95% CI:1.002-1.663), bending or turning around the head repetitively (OR=1.565,95% CI:1.187-2.063) and forced bending(OR=1.245,95% CI: 0.979-1.584) were the main risk factors of musculoskeletal diseases in knees. Conclusions The findings showed a relatively higher prevalence of musculoskeletal diseases of knees among greenhouse farmers. Proper measures to prevent and control the prevalence of musculoskeletal diseases of knees are strongly recommended.
-
Key words:
- Knee /
- Musculoskeletal /
- Regression analysis
-
21世纪，随着人们的生活方式、生活习惯以及观念的改变，宫颈癌在我国女性生殖道恶性肿瘤中位居前列，其发病率和死亡率均处于较高值[1-2]，严重威胁着女性的健康和生命安全。2017年中国女性宫颈癌发病人数为10.61万，死亡人数为4.53万，分别占全球宫颈癌发病人数和死亡人数的17.65%和17.44%。目前，宫颈癌已经成为一个严重的公共卫生问题。
近年来国内外众多学者利用肿瘤登记报告系统获取病例发病数据和死亡数据对宫颈癌进行研究[3]。这些研究中部分工作将观察对象限制于某一个地区[3-4]，样本量较少，缺乏代表性；部分工作虽然样本量足够大，但未考虑发病和死亡人群的年龄段，过于笼统[5]。本文利用2003—2018年中国女性宫颈癌的发病和死亡数据，通过联结点回归模型对其整体趋势做分段描述，再利用年龄-时期-队列(age-period-cohort, APC)模型计算影响发病率和死亡率的效应系数，最后通过对比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)及误逆差传播(back propagation, BP)神经网络模型的拟合优度，选出最优模型，对我国未来五年的宫颈癌发病和死亡趋势进行预测。
1. 对象与方法
1.1 研究对象
本文的中国女性宫颈癌发病率和死亡率数据来源于全球疾病负担(Global Burden of Disease, GBD)研究项目建立的全球健康数据交换数据库(Global Health Data Exchange, GHDx)[6]，人口数据来源于国家统计局发布的《中国统计年鉴》。为检验结论合理性，本研究还收集了国家卫生和计划生育委员会发布的《中国卫生和计划生育统计年鉴》中2003—2018年中国女性宫颈癌死亡数据。由于宫颈癌在20岁以下人群中人数较少，80岁及以上的年龄组在数据库中为开区间，不符合APC模型对数据的要求，且80岁及以上的人群免疫力低，死亡原因复杂，本文的研究对象为2003—2018年年龄段为20~79岁的中国女性。
1.2 研究方法
对比年龄、时期和队列三个因素单模型和随机组合模型的拟合结果，选出最优的APC模型进行研究。该模型能够在一定程度上消除年龄、时期和队列三个参数间的相互影响。本文利用Yang等[7]提出的内生因子法对APC模型中年龄、时期及队列效应的参数进行估计，并采用Stata 16.0软件中的IE包对模型进行分析[8]。
1.3 统计学方法
采用Joinpoint Regression Program 4.8.0.1软件寻找观察期内宫颈癌发病率和死亡率的拐点；采用R 3.6.3软件构建年龄、时期和队列三个因素的单独模型和随机组合模型对宫颈癌的发病人数和死亡人数进行拟合。根据赤池信息准则(Akaike information criterion, AIC)，选取最优模型进行分析；分别构建ARIMA、GM(1, 1)和BP神经网络模型，通过对观察期内数值的拟合，选出预测精度高的模型对未来五年中国女性宫颈癌的标化发病率及死亡率进行预测。检验水准α=0.05。
2. 结果
2.1 总体变化趋势
2003—2018年宫颈癌标化发病率和标化死亡率整体呈上升趋势，但在2017年标化发病率及死亡率均有小幅度下降，随后又开始上升。标化发病率从2003年的11.26/10万增长到2018年的13.73/10万；标化死亡率增长较为缓慢，2003年为4.88/10万，2018年增长到5.89/10万。
利用Joinpoint模型得到标化发病率在2003—2018年经历了2次转折，转折点为2008和2015年。其中2008—2015年标化发病率呈现快速上升趋势，年度百分比变化率(annual percentage of change, APC)为3.05%(P＜0.001)，有统计学意义。因此，在2008—2015年标化发病率的年均增速为3.05%，其他时期，标化发病率保持不变。
标化死亡率在2003—2018年经历了1次转折，转折点为2010年。其中2010—2018年标化死亡率呈现上升趋势，APC为2.64%(P=0.003)，有统计学意义。因此，在2010—2018年标化死亡率的年均增速为2.64%，其他时期的标化死亡率保持不变[9]。
2.2 年龄、时期和队列三因素单独模型和组合模型的拟合及因素分析
根据中国女性宫颈癌发病人数和死亡人数，分别构建年龄、时期和队列的单独模型和组合模型，依据AIC准则衡量模型拟合的优良性。基于拟合结果可知，APC模型的AIC值最小，分别为1 411.75和1 183.13，相较于其他几类模型，其拟合效果较好。因此，选取APC模型对宫颈癌发病率和死亡率进行分析。
2.2.1 年龄趋势
总体上看宫颈癌的发病率增速高于死亡率增速。女性在45岁之前，发病率随着年龄的增长而快速增加；45岁后增速变缓，甚至在某些年份下降；55岁之前增长速度较快，年龄别对发病率影响较大；55岁及以后增速下降，年龄对发病率的影响逐渐减弱。死亡率整体呈上升趋势，除2003年60~＜65岁、2008年60~＜65岁和2013年55~＜60岁死亡率下降外，4个特定年份中各年龄组的死亡率随着年龄的增长而上升。见图 1、图 2。
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 ages2.2.2 时期趋势
从整体上看，随着时期的推进，发病率和死亡率呈上升趋势。宫颈癌发病率在40岁以下的各年龄组中波动较小，呈稳定趋势，年龄越小发病率越低；40岁及以上的各年龄组中发病率呈现波动变化。死亡率在50岁以下各年龄组中波动幅度较小，其值基本在10/10万以下；50岁及以上各年龄组中死亡率整体呈现增长的趋势。见图 3、图 4。
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 periods2.2.3 队列趋势
除20~＜25岁发病率波动较小外，其余各年龄组的发病率整体呈现先下降再上升趋势，其中40~＜45岁的发病率呈现先上升再下降再上升的趋势，45~＜50岁发病率先上升后下降。死亡率同发病率的变化趋势类似，整体呈现先下降再上升的趋势，其中20~＜25、25~＜30、30~＜35和35~＜40岁的死亡率变化较为平稳，40~＜45和55~＜60岁的死亡率呈现先上升再下降再上升趋势，而45~＜50和65~＜70岁的变化趋势与之相反，呈现先下降再上升再下降趋势。见图 5、图 6。
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 cohorts2.3 年龄-时期-队列模型分析结果
从年龄角度看，发生风险系数随年龄的增长而增加随后下降。系数在55~＜60岁最大，为0.44，与20~＜25岁的系数-1.86相比，增加2.30，发生风险增加了9.97倍[10]。从时期角度看，发生风险系数在2003、2008、2013和2018年四个特定年份一直上升，2018年发生风险增加了1.45倍。从出生队列角度看，发生风险系数总体呈现递减趋势。见表 1。
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值 P值 β sx Z值 P值 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 从年龄角度看，死亡风险系数总体的变化趋势是随着年龄的增大而增加，但在60~＜65岁系数减小。死亡风险系数从20~＜25岁的-2.55增长到75~79岁的0.82，增加了3.37，表明由于年龄的增长，年龄效应对宫颈癌死亡率的影响逐渐增大。75~79岁的死亡风险最高，相较于20~＜25岁的死亡风险增加了29.08倍。从时期角度看，系数在4个时期呈现逐渐增长趋势，2018年死亡风险增加了1.77倍。从出生队列角度看，系数整体呈下降趋势。见表 1。
2.4 预测
为对宫颈癌的标化发病率和标化死亡率预测更加精确，分别构建ARIMA、GM和BP神经网络模型，利用评价指标选择最优模型对其进行预测。
2.4.1 ARIMA
ARIMA是以时间为自变量的一种预测模型[11]。分别对宫颈癌的标化发病率和标化死亡率进行平稳性检验，得到标化发病率的P值均小于0.05，即数序列是平稳的；标化死亡率P值大部分大于0.05，即序列不是平稳的。因此需要对数据进行差分处理。对比R2、平稳R2、正态化BIC等多项指标寻找出最佳的ARIMA，即ARIMA(0, 1, 0)。见表 2。
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 2.4.2 GM
GM具有所需历史数据少、短期预测较好的优点[12]。采用后验差比值C和小误差概率P判断模型的可靠性。分别对宫颈癌标化发病率和标化死亡率构建GM(1, 1)模型，通过计算可知标化发病率的后验差比值C为0.116，小误差概率P为1，模型精度为优；标化死亡率后验差比值C为0.518，小误差概率P为0.314，模型精度较差。因此初步推断，宫颈癌的标化发病率可用GM(1, 1)进行预测，而标化死亡率用GM(1, 1)预测效果较差。见表 2。
2.4.3 BP神经网络模型
BP神经网络是一种多层前馈网络，包含输入层、输出层和隐含层。根据标化发病率和标化死亡率数据，每次采用前5年数据对下1年数据进行预测，确定输入层节点数为5。为与上述模型预测的年数保持一致，本研究预测未来5年的数据，确定输出层节点数为5。由于隐含层节点数不确定，需要依次构建隐含层节点数为3~10的BP神经网络。用构建的八个神经网络模型对标化发病率和标化死亡率进行数据仿真，利用平均绝对误差(mean absolute error, MAE)、均方误差(mean square error, MSE)和平均绝对百分比误差(mean absolute percentage error, MAPE)指标对拟合数据进行评价，确定预测模型。经过测试，选取隐含层节点数为9的BP神经网络对标化发病率进行预测，选取隐含层节点数为7的BP神经网络对标化死亡率进行预测。见表 2。
MAE、MSE和MAPE是常用评判预测结果好坏的指标。三个指标中，指标数值越小，表明模型的拟合程度越好[13]。根据表 2可知，三个模型中BP神经网络模型预测精确度最高, 因此确定使用BP神经网络模型对数据进行预测。
图 7刻画了观察期内和未来五年女性宫颈癌标化发病率和标化死亡率的变化趋势。未来五年标化发病率在2022年有小幅增加，其余年份均呈现下降趋势，年均降幅为0.26%；标化死亡率在2019年有所上升，随后呈现稳步下降的趋势，年均降幅为6.51%。见图 7。
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 model3. 讨论
根据上述结果可知，2003—2018年我国20~79岁的女性宫颈癌标化发病率和标化死亡率呈现增长趋势，且标化发病率的增长速度和年均增长速度均高于标化死亡率，55~＜60岁女性宫颈癌发生风险最大。为验证结论的合理性，本研究收集了《中国卫生和计划生育统计年鉴》中2003—2018年中国女性宫颈癌的死亡数据，在此基础上对数据进行趋势分析。结果与本研究死亡趋势的结论大体一致。因此，本研究结论具有一定的合理性。根据预测结果可知，未来五年宫颈癌的标化发病率及死亡率均下降，这可能与我国对女性进行宫颈癌筛查以及HPV疫苗的接种有关。
综上所述，政府和社会应加大对宫颈癌的防制力度：(1)加大对宫颈癌防制的宣传力度，尤其是中年女性，提高该群体对宫颈癌的认知；(2)扩大对女性宫颈癌筛查范围，尤其是对55~＜60岁高发年龄段的女性进行筛查，做到早发现早治疗；(3)根据对宫颈癌发病和死亡趋势的因素分析，对于高发群体，国家在防控及医疗政策的制定上应予以一定倾斜，以降低宫颈癌发病率，提高生存率。
期刊类型引用(37)
1. 刘春君，梁菊华，曲书平. 宫颈癌患者KDM2A和KDM5A蛋白水平与高危型HPV感染的相关性分析. 中国病原生物学杂志. 2025(02): 211-214 . 
百度学术2. 汪丽萍. 人乳头瘤病毒DNA分型联合血清miR-4687-5p、miR-501检测对宫颈癌的诊断价值. 中国现代医药杂志. 2025(02): 76-79 . 百度学术3. 曹江，杨麦青，葛莉，乔海燕，高利利，张庆军. DEK、Wnt-1、GSK-3β在宫颈鳞状细胞癌中的表达和意义. 医学信息. 2024(03): 114-117 . 百度学术4. 黄庆文，黎大智，覃贞，刘润，陈罡，韦康来. 桂东南地区宫颈鳞状细胞癌组织O-6-甲基鸟嘌呤-DNA甲基转移酶的表达及临床意义. 慢性病学杂志. 2024(04): 481-486 . 百度学术5. 周潇妮，唐旭秀，蔡丽萍，涂春华，张智，张琦玲，肖子文，赵娜. 新辅助化疗后机器人辅助与开腹手术治疗局部晚期子宫颈癌术后生存影响因素的对比分析. 机器人外科学杂志(中英文). 2024(02): 178-185 . 百度学术6. 陈薇，祝江红，张新龙，邱玲琍，董婷，祝海峰. 基于宫颈癌术前T2WI影像组学特征预测近期预后的研究. 宜春学院学报. 2024(03): 49-52 . 百度学术7. 王家飞，夏百荣. 影响老年妇科恶性肿瘤患者预后的因素评估. 实用妇产科杂志. 2024(05): 348-351 . 百度学术8. 贺鹭，秦梦霞，李思甜，李文爱，蔡雨彤，曹熙，武大宏. 山西省女性宫颈癌防治知信行现状及影响因素研究. 中华疾病控制杂志. 2024(06): 702-708+720 . 本站查看9. 王彬，江子芳，孔慧，王丽芬. 保留生育功能的宫颈癌患者生育忧虑体验的质性研究. 中华现代护理杂志. 2024(17): 2273-2279 . 百度学术10. 李丹. 理气通腑方联合耳穴压豆在宫颈癌术后胃肠功能障碍患者中的疗效观察. 辽宁中医杂志. 2024(11): 64-67 . 百度学术11. 莫元铮，周子寒，麦月姣，曹骥，李秋林，钟秋安，余红平. 2018年广西宫颈癌流行特征及疾病负担分析. 医药前沿. 2024(31): 1-6 . 百度学术12. 秦屹，任淼，孙伟伟. 基于LncRNA SENCR/MDK轴探究HPV E6宫颈癌发生发展的机制. 西部医学. 2024(12): 1748-1755 . 百度学术13. 袁克兵，张培英，杨猛，张帅. 2005—2020年山东省滕州市宫颈癌流行特征及经济负担研究. 中国肿瘤. 2023(01): 20-26 . 百度学术14. 宋红艳，贺秀锦. 不同年龄层次宫颈癌患者高危型-HPV分型及阴道细菌感染情况分析. 临床心身疾病杂志. 2023(01): 89-92+108 . 百度学术15. 孟媛，温笑莹，于方媛，田子萱，刘丽. 中国成年女性宫颈癌患病率Meta分析. 肿瘤预防与治疗. 2023(02): 96-110 . 百度学术16. 欧阳琴，彭霞飞，李莹. 基于症状管理理论的护理干预对宫颈癌患者的影响. 齐鲁护理杂志. 2023(06): 50-53 . 百度学术17. 张莉，孟现民，董平，王斌. Ⅰ期临床试验中健康受试者筛选失败原因及影响因素分析. 复旦学报(医学版). 2023(03): 189-195+212 . 百度学术18. 董晶，商双，高蜀君，谢锋. RNA干扰TMEM33的表达对宫颈癌细胞生长的影响. 复旦学报(医学版). 2023(03): 159-165 . 百度学术19. 周子寒，李秋林，余家华，容敏华，练佳韦，麦月姣，曹骥，葛莲英，唐卫中，余红平. 2018年广西恶性肿瘤流行情况及疾病负担分析. 中国癌症防治杂志. 2023(02): 181-189 . 百度学术20. 董晶，商双，高蜀君，谢锋. RNA干扰TMEM33的表达对宫颈癌细胞生长的影响. 复旦学报(医学版). 2023(02): 159-165 . 百度学术21. 于小红，舒美琴，钟素娟. 武义县农村女性宫颈癌筛查情况及影响因素分析. 中国公共卫生管理. 2023(03): 383-386 . 百度学术22. 王冬苗，税明才，熊林，李贤见. miR-372靶向E2F转录因子5抑制宫颈鳞状细胞癌SiHa细胞的恶性生物学行为. 川北医学院学报. 2023(07): 877-882 . 百度学术23. 岳秋. 中老年宫颈癌患者子宫全切术后并发压力性尿失禁的危险因素分析. 当代护士(上旬刊). 2023(05): 44-47 . 百度学术24. 杨小龙，崔振宇，马涛，安丰，古德强，郭景阳，宋士超，杨文增. 宫颈癌合并肾上腺区Castleman病1例报告. 中国微创外科杂志. 2023(08): 637-640 . 百度学术25. 肖宁，杨立，韩宁，刘月华，任琛琛. 基于SEER数据库子宫颈癌发病率的分析及预后预测模型的构建. 实用妇产科杂志. 2023(09): 686-691 . 百度学术26. 魏纯霄，田含含，韩济华. VMAT与IMRT在局部晚期宫颈癌放疗中的剂量学差异. 国际放射医学核医学杂志. 2023(08): 477-483 . 百度学术27. 玛丽亚木古丽·克依木，热孜婉古丽·吾布力，克热曼·牙库甫，哈力旦·艾山，马旭. 基于列线图生存预测模型探讨血清学指标对宫颈癌预后的判断价值. 疑难病杂志. 2023(11): 1186-1190 . 百度学术28. 王思予，申芳，刘少璇，刘芳媛，韩凤娟. 中药单体调控NF-κB信号通路治疗宫颈癌的研究进展. 中医药学报. 2023(11): 103-109 . 百度学术29. 拓晓娟，王平凡，张国俊，辛元春，邱娜，魏晓丽，卫陇，王淑莹，张晶晶，刘晶，陈新沼，张涛. 白银市会宁县女性HPV感染情况分析. 华南预防医学. 2023(10): 1330-1334 . 百度学术30. 吴玲芳. 鹰潭市余江区老年女性宫颈癌防治知识知晓情况及与患病的相关性分析. 感染、炎症、修复. 2023(02): 99-101 . 百度学术31. 高玮睿，杨萍. 经培训的手术者学习曲线对早期宫颈癌腹腔镜根治术并发症的影响. 中国医师杂志. 2022(08): 1125-1130 . 百度学术32. 谭景浪，杨玉秀，樊怡颖，陆厚良，覃红珍. 2018—2021年来宾市妇女宫颈癌防治知识知晓情况及影响因素分析. 实用预防医学. 2022(10): 1240-1243 . 百度学术33. 庄珩之，李玮，刘俊，梁馨，许家秀，王圣坦. 血清OPN、CXCL13、CXCL16与宫颈癌根治术患者增殖基因表达及术后复发的关系. 现代生物医学进展. 2022(18): 3514-3519 . 百度学术34. 史晓峰，吴素慧，孙静汾，尚海霞. 绝经后女性子宫颈高级别鳞状上皮内病变术后病理诊断升级临床病理分析. 肿瘤研究与临床. 2022(09): 679-682 . 百度学术35. 张静，马靓，范秀丽，王洁. 移动信息技术联合行动导向教育在宫颈癌手术患者中的应用. 中国临床研究. 2022(10): 1472-1475+1480 . 百度学术36. 田秀芳，陈红晓，栾雅静，吴晓蕊，郭景霞. 长链非编码RNA TTTY15/MIF-AS1在HPV感染宫颈癌组织中的表达及其与细胞自噬的关系. 中华医院感染学杂志. 2022(19): 2997-3001 . 百度学术37. 齐成秋. 加味扶正抑瘤汤对宫颈癌化疗患者病灶血供及肿瘤标志物的影响. 实用妇科内分泌电子杂志. 2022(08): 68-71 . 百度学术其他类型引用(32)
-
下载:
点击查看大图
计量
- 文章访问数: 289
- HTML全文浏览量: 53
- PDF下载量: 22
- 被引次数: 69
下载: