CN116363128B - 一种绝经女性的阴道微生态评价模型和系统 - Google Patents
一种绝经女性的阴道微生态评价模型和系统 Download PDFInfo
- Publication number
- CN116363128B CN116363128B CN202310628678.3A CN202310628678A CN116363128B CN 116363128 B CN116363128 B CN 116363128B CN 202310628678 A CN202310628678 A CN 202310628678A CN 116363128 B CN116363128 B CN 116363128B
- Authority
- CN
- China
- Prior art keywords
- vaginal
- index
- microecological
- women
- menopausal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013210 evaluation model Methods 0.000 title claims abstract description 45
- 206010046914 Vaginal infection Diseases 0.000 claims abstract description 64
- 238000012216 screening Methods 0.000 claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 210000003756 cervix mucus Anatomy 0.000 claims abstract description 15
- 238000007477 logistic regression Methods 0.000 claims abstract description 11
- 230000010365 information processing Effects 0.000 claims abstract description 6
- 210000000265 leukocyte Anatomy 0.000 claims description 28
- 230000001575 pathological effect Effects 0.000 claims description 25
- 241000207202 Gardnerella Species 0.000 claims description 17
- 210000004027 cell Anatomy 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 201000008100 Vaginitis Diseases 0.000 description 33
- 230000006870 function Effects 0.000 description 28
- 241000894006 Bacteria Species 0.000 description 23
- 238000000034 method Methods 0.000 description 21
- 208000015181 infectious disease Diseases 0.000 description 16
- 230000009245 menopause Effects 0.000 description 16
- 208000024891 symptom Diseases 0.000 description 14
- 206010061218 Inflammation Diseases 0.000 description 11
- 230000004054 inflammatory process Effects 0.000 description 11
- 230000036285 pathological change Effects 0.000 description 10
- 231100000915 pathological change Toxicity 0.000 description 10
- 206010003694 Atrophy Diseases 0.000 description 9
- 230000037444 atrophy Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 229940079593 drug Drugs 0.000 description 8
- 239000003814 drug Substances 0.000 description 8
- 230000008506 pathogenesis Effects 0.000 description 8
- 230000002757 inflammatory effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 210000002919 epithelial cell Anatomy 0.000 description 5
- 241000186660 Lactobacillus Species 0.000 description 4
- 238000004820 blood count Methods 0.000 description 4
- 230000002458 infectious effect Effects 0.000 description 4
- 229940039696 lactobacillus Drugs 0.000 description 4
- 206010003693 Atrophic vulvovaginitis Diseases 0.000 description 3
- 241000588724 Escherichia coli Species 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229940011871 estrogen Drugs 0.000 description 3
- 239000000262 estrogen Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- 210000001215 vagina Anatomy 0.000 description 3
- 208000032159 Vaginal inflammation Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 201000010808 postmenopausal atrophic vaginitis Diseases 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 230000005477 standard model Effects 0.000 description 2
- 208000004746 Atrophic Vaginitis Diseases 0.000 description 1
- 208000004926 Bacterial Vaginosis Diseases 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 206010006784 Burning sensation Diseases 0.000 description 1
- 241001478240 Coccus Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000008350 Pruritus Vulvae Diseases 0.000 description 1
- HJLSLZFTEKNLFI-UHFFFAOYSA-N Tinidazole Chemical compound CCS(=O)(=O)CCN1C(C)=NC=C1[N+]([O-])=O HJLSLZFTEKNLFI-UHFFFAOYSA-N 0.000 description 1
- 208000037009 Vaginitis bacterial Diseases 0.000 description 1
- 206010056530 Vulvovaginal pruritus Diseases 0.000 description 1
- 230000003103 anti-anaerobic effect Effects 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000000286 epitheliocyte Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 229960000282 metronidazole Drugs 0.000 description 1
- VAOCPAMSLUNLGC-UHFFFAOYSA-N metronidazole Chemical compound CC1=NC=C([N+]([O-])=O)N1CCO VAOCPAMSLUNLGC-UHFFFAOYSA-N 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 210000005000 reproductive tract Anatomy 0.000 description 1
- 239000003270 steroid hormone Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 229960005053 tinidazole Drugs 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000003905 vulva Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Evolutionary Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Radiology & Medical Imaging (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种绝经女性的阴道微生态评价模型和系统，属于显微图像数据信息处理技术领域，其中，评价模型包括显微镜检健康的绝经女性和育龄女性的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第一数据集；显微镜检绝经的健康女性和阴道炎患者的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第二数据集；基于单因素和多因素逻辑回归分析，得到阴道微生态指标第一数据集和阴道微生态指标第二数据集的独立预测因子，并结合筛选出适用于绝经女性的重要指标；构建模型，基于筛选得到的适用于绝经女性的重要指标构建阴道微生态评价模型。本发明用于绝经女性的阴道微生态评价，为选择正确的治疗方案提供依据。
Description
技术领域
本发明涉及显微图像数据信息处理技术领域，具体涉及一种绝经女性的阴道微生态评价模型和系统。
背景技术
阴道微生态评价是通过形态学描述阴道菌群、机体炎性反应和病原菌等方面对阴道微环境进行综合评价的方法。中华医学会妇产科分会感染性疾病协作组在2016年发表的《阴道微生态评价的临床应用专家共识》，推荐阴道微生态评价的方法作为阴道感染疾病诊断的首选方案，对阴道微生态评价的各项指标及临床应用做了清晰扼要的说明，得到了临床及检验领域的广泛认可，但绝经后女性由于雌孕激素水平下降影响了阴道局部的微生态。
目前绝经后女性阴道感染患者的诊断存在以下问题：1. 萎缩性阴道炎、老年性阴道炎、外阴阴道萎缩、细菌性阴道病、需氧菌性阴道炎等，究竟采用哪种评价方式，没有一个统一的检测标准和评价模型。2. 适用于育龄女性阴道微生态评价的标准不完全适用于绝经女性。绝经的生理性改变影响了阴道微生态评价标准中的一些指标，绝经女性在使用这些指标时需要设置特异性的评价标准。
因此，如何提供一种处理方法，使其适用于绝经女性，形成统一的检测标准模型，避免绝经女性阴道微生态生理性改变导致的阴道感染疾病的过度诊断，并深入致病机理为临床选择正确的治疗方案提供依据，是本领域技术人员亟待解决的技术问题。
发明内容
为此，本发明提供一种绝经女性的阴道微生态评价模型和系统，以解决现有技术中由于现有评价标准不适用于绝经女性而导致的过度诊断问题，及通过该模型可以深入致病机理，反馈临床用药方案的问题。
为了实现上述目的，本发明提供如下技术方案：
根据本发明的第一方面，提供了一种绝经女性的阴道微生态评价模型，包括以下步骤：
S1：显微镜检健康的绝经女性和育龄女性的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第一数据集；
S2：显微镜检绝经的健康女性和阴道炎患者的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第二数据集；
S3：基于单因素和多因素逻辑回归分析，得到所述阴道微生态指标第一数据集和所述阴道微生态指标第二数据集的独立预测因子，并结合筛选出适用于绝经女性的重要指标；
S4：构建模型，基于筛选得到的适用于绝经女性的所述重要指标构建阴道微生态评价模型。
进一步地，所述步骤S3具体包括：
S301：获取健康的绝经女性和育龄女性的阴道微生态指标第一数据集；
S302：基于单因素和多因素逻辑回归分析，分析阴道微生态指标在两组人群中的差异，根据第一筛选方法，获取所述阴道微生态指标第一数据集的独立预测因子，得到多个适用于绝经女性的生理性指标；
S303：获取绝经的健康女性和阴道炎患者的阴道微生态指标第二数据集；
S304：基于单因素和多因素逻辑回归分析，分析阴道微生态指标在两组人群中的差异，根据第二筛选方法，获取所述阴道微生态指标第二数据集的独立预测因子，得到多个适用于绝经女性的病理性指标；
S305：基于筛选得到的多个适用于绝经女性的生理性指标和病理性指标，进行求同，并基于求同后的病理性指标得到第一重要指标、第二重要指标和第三重要指标，构建适用于评价绝经女性的阴道微生态评价模型。
进一步地，所述第一筛选方法，具体包括：
建立健康的绝经女性和育龄女性中每个阴道微生态指标的参数集M={M1，M2，M3，M4，M5}；其中，M1表示阴道微生态指标的评分为0，M2表示阴道微生态指标的评分为1，M3表示阴道微生态指标的评分为2，M4表示阴道微生态指标的评分为3，M5表示阴道微生态指标的评分为4；
建立健康的绝经女性中各指标参数的所占概率集α={α1，α2，α3，α4，α5}；其中，α1为健康的绝经女性中阴道微生态指标参数M1的所占概率，α2为健康的绝经女性中阴道微生态指标参数M2的所占概率，α3为健康的绝经女性中阴道微生态指标参数M3的所占概率，α4为健康的绝经女性中阴道微生态指标参数M4的所占概率，α5为健康的绝经女性中阴道微生态指标参数M5的所占概率；
建立健康的育龄女性中各指标参数的所占概率集γ={γ1，γ2，γ3，γ4，γ5}；其中，γ1为健康的育龄女性中阴道微生态指标参数M1的所占概率，γ2为健康的育龄女性中阴道微生态指标参数M2的所占概率，γ3为健康的育龄女性中阴道微生态指标参数M3的所占概率，γ4为健康的育龄女性中阴道微生态指标参数M4的所占概率，γ5为健康的育龄女性中阴道微生态指标参数M5的所占概率；
建立健康绝经女性的第一极端函数f（M，α）和健康育龄女性的第二极端函数f（M，γ）；
分别求取健康绝经女性的不同阴道微生态指标和不同参数的第一极端函数，健康育龄女性的不同阴道微生态指标和不同参数的第二极端函数；
建立同一阴道微生态指标及其参数下的第一极端函数与第二极端函数的比值；
获取比值在预设区间的阴道微生态指标及其参数，得到适用于绝经女性的生理性指标。
进一步地，所述第二筛选方法，具体包括：
建立绝经的健康女性和阴道炎患者中每个阴道微生态指标的参数集M={M1，M2，M3，M4，M5}；其中，M1表示阴道微生态指标的评分为0，M2表示阴道微生态指标的评分为1，M3表示阴道微生态指标的评分为2，M4表示阴道微生态指标的评分为3，M5表示阴道微生态指标的评分为4；
建立绝经的健康女性中各指标参数的所占概率集β={β1，β2，β3，β4，β5}；其中，β1为绝经的健康女性中阴道微生态指标参数M1的所占概率，β2为绝经的健康女性中阴道微生态指标参数M2的所占概率，β3为绝经的健康女性中阴道微生态指标参数M3的所占概率，β4为绝经的健康女性中阴道微生态指标参数M4的所占概率，β5为绝经的健康女性中阴道微生态指标参数M5的所占概率；
建立绝经的阴道炎患者中各指标参数的所占概率集δ={δ1，δ2，δ3，δ4，δ5}；其中，δ1为绝经的阴道炎患者中阴道微生态指标参数M1的所占概率，δ2为绝经的阴道炎患者中阴道微生态指标参数M2的所占概率，δ3为绝经的阴道炎患者中阴道微生态指标参数M3的所占概率，δ4为绝经的阴道炎患者中阴道微生态指标参数M4的所占概率，δ5为绝经的阴道炎患者中阴道微生态指标参数M5的所占概率；
建立绝经健康女性的第一对比函数Q（M，β），建立绝经阴道炎患者的第二对比函数Q（M，δ）；
取第一对比函数和第二对比函数在平面坐标系上的面积差；
比较面积差与面积预设阈值；
获取面积差大于面积预设阈值的阴道微生态指标及其参数，得到适用于绝经女性的病理性指标。
进一步地，所述步骤S4中评价模型的建立，具体包括以下步骤：
S401：获取所述第一重要指标的第一阴道微生态指标，获取所述第二重要指标的第二阴道微生态指标，获取所述第三重要指标的第三阴道微生态指标；
S402：评估所述第一阴道微生态指标的参数是否满足所述第一重要指标；评估所述第二阴道微生态指标的参数是否满足所述第二重要指标；评估所述第三阴道微生态指标的参数是否满足所述第三重要指标；
S403：基于患者满足上述步骤S402的评估结果，输出患者的综合评分值。
进一步地，所述第一重要指标为白细胞评分为2分，所述第二重要指标为基底旁细胞评分为2分，所述第三重要指标为优势菌为加德纳样菌。
根据本发明的第二方面，提供了一种绝经女性的阴道微生态评价模型构建系统，用于实现上述任一项所述的绝经女性的阴道微生态评价模型，包括：
信息获取单元，用于获取所述显微图像信息的阴道微生态指标第一数据集和阴道微生态指标第二数据集；
信息筛选单元，用于筛选出适用于绝经女性的重要指标；
信息处理单元，用于处理筛选得到的重要指标，构建阴道微生态评价模型。
本发明具有如下优点：
本发明通过显微镜检健康的绝经女性和育龄女性，及绝经的健康女性和阴道炎患者的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标的第一数据集和阴道微生态指标的第二数据集，筛选第一数据集和第二数据集差异变量，得到多个适用于绝经女性的生理性指标和病理性指标，进行求同，并基于求同后的病理性指标得到第一重要指标、第二重要指标和第三重要指标。基于筛选得到的第一重要指标、第二重要指标和第三重要指标，构建适用于绝经女性的阴道微生态评价模型。
适用于绝经女性的第一重要指标为白细胞评分为2分，第二重要指标为基底旁细胞评分为2分，第三重要指标为优势菌为加德纳样菌。根据显微图像特征，当检测到绝经女性的阴道分泌物涂片不满足上述任一指标时，则表示绝经女性阴道微生态发生的是生理性变化；当检测到绝经女性的阴道分泌物涂片满足上述任一指标时，则表示绝经女性阴道微生态发生的是病理性变化。
基于第一重要指标、第二重要指标和第三重要指标建立阴道微生态评价模型，根据阴道微生态评价模型的综合评分值将绝经后女性的阴道炎类型分为单一型、混合型和正常型，从而判断绝经患者的阴道炎类型。根据阴道炎类型进行针对性用药，自动生成用药方案。
本发明适用于绝经女性的阴道微生态评价，形成了统一的检测标准体系，避免绝经女性生理性指标改变导致的阴道感染疾病的过度诊断，深入致病机理，为临床选择正确的治疗方案提供依据。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明提供的一种绝经女性的阴道微生态评价模型的流程图；
图2为本发明提供的评价模型中的步骤S3的具体流程图；
图3为本发明提供的评价模型中的步骤S4的具体流程图；
图4为本发明提供的一种绝经女性的阴道微生态评价模型构建系统的连接框图；
图5为本发明提供的评价模型中的绝经女性阴道微生态评价模型图；
图6为本发明提供的评价模型中的绝经女性正常型和单一型阴道微生态的显微图像；
图7为本发明提供的评价模型中的绝经女性混合型阴道微生态的显微图像；
图8为本发明提供的验证模型过程中的绝经女性阴道微生态评价模型图与生殖道特定症状的关系图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
阴道微生态指标数据受绝经影响分为生理性变化和病理性变化，获取的指标参数值有差异，赋值评分不同。对于绝经女性来说，育龄女性的评价标准不适用。为了适用于绝经女性，根据本发明的第一方面，如图1所示的，提供了一种绝经女性的阴道微生态评价模型，包括以下步骤：
S1：显微镜检健康的绝经女性和育龄女性的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第一数据集；
S2：显微镜检绝经的健康女性和阴道炎患者的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第二数据集；
S3：基于单因素和多因素逻辑回归分析，得到阴道微生态指标第一数据集和阴道微生态指标第二数据集的独立预测因子，并结合筛选出适用于绝经女性的重要指标；
S4：构建模型，基于筛选得到的适用于绝经女性的重要指标构建阴道微生态评价模型；
本发明通过显微镜检健康的绝经女性和育龄女性，及绝经的健康女性和阴道炎患者的阴道分泌物涂片信息，基于显微图像信息获取阴道微生态评价模型中需要的各类指标。阴道微生态指标具体包括pH值、乳杆菌分级、白细胞数、中毒性白细胞、优势菌和基底旁细胞（PBC）、Nugent评分、AV评分等。基于阴道微生态评价模型中需要的各类指标，取阴道微生态指标第一数据集和阴道微生态指标第二数据集，筛选差异变量，获取适用于绝经女性的阴道微生态指标第一数据集和阴道微生态指标第二数据集的独立预测因子，得到多个适用于绝经女性的生理性指标和病理性指标，进行求同，并基于求同后的病理性指标得到第一重要指标、第二重要指标和第三重要指标。该重要指标，用来评价绝经患者的阴道炎症状态。
基于单因素和多因素逻辑回归分析，得到的第一重要指标为白细胞评分为2分，第二重要指标为基底旁细胞评分为2分，第三重要指标为优势菌为加德纳样菌。根据显微图像特征，当检测到绝经女性的阴道分泌物涂片不满足上述任一指标时，则表示绝经女性阴道微生态发生的是生理性变化；当检测到绝经女性的阴道分泌物涂片满足上述任一指标时，则表示绝经女性阴道微生态发生的是病理性变化。从而该模型既能评价正常的生理变化，又能评价异常的病理变化。
本发明通过筛选方法筛选生理和病理变化的指标，并结合筛选出适用于绝经女性的重要指标。基于重要指标建立评价模型，评价模型根据评分值将绝经女性的阴道炎类型分为单一型、混合型和正常型，从而判断绝经患者的阴道炎类型，根据阴道炎类型进行针对性用药，自动生成用药方案。本发明适用于绝经女性，形成统一的检测标准模型，避免绝经女性阴道微生态生理性改变导致的阴道感染疾病的过度诊断，并深入致病机理为临床选择正确的治疗方案提供依据。
具体地，如图2所示的，步骤S3具体包括：
S301：获取健康的绝经女性和育龄女性的阴道微生态指标第一数据集；
S302：基于单因素和多因素逻辑回归分析，分析阴道微生态指标在两组人群中的差异，根据第一筛选方法，获取阴道微生态指标第一数据集的独立预测因子，得到多个适用于绝经女性的生理性指标；
S303：获取绝经的健康女性和阴道炎患者的阴道微生态指标第二数据集；
S304：基于单因素和多因素逻辑回归分析，分析阴道微生态指标在两组人群中的差异，根据第二筛选方法，获取阴道微生态指标第二数据集的独立预测因子，得到多个适用于绝经女性的病理性指标；
S305：基于筛选得到的多个适用于绝经女性的生理性指标和病理性指标，进行求同，并基于求同后的病理性指标得到第一重要指标、第二重要指标和第三重要指标，构建适用于评价绝经女性的阴道微生态评价模型。
pH值、乳杆菌分级、白细胞数、中毒性白细胞、优势菌和基底旁细胞（PBC）、Nugent评分、AV评分等阴道微生态指标又可根据不同的等级，赋值不同的评分。在健康的绝经女性和育龄女性，及绝经的健康女性和阴道炎患者间，筛选差异变量，获取阴道微生态指标第一数据集和阴道微生态指标第二数据集的独立预测因子，从而得到适用于绝经女性的生理性指标和病理性指标。生理性指标和病理性指标具有不同的赋值评分，生理性指标用来评价绝经女性阴道微生态的正常生理变化，病理性指标用来评价绝经女性阴道微生态的异常病理变化。
通过第一筛选方法对健康的绝经女性和育龄女性阴道微生态指标进行筛选，获取变化的生理性指标，得到适用于绝经女性的生理性指标；通过第二筛选方法对绝经的健康女性和阴道炎患者阴道微生态指标进行筛选，获取变化的病理性指标，得到适用于绝经女性的病理性指标。基于获取的生理性指标和病理性指标，进行求同，并基于求同后的病理性指标得到适用于评价绝经患者的第一重要指标、第二重要指标和第三重要指标。
具体地，第一筛选方法，具体包括：
建立健康的绝经女性和育龄女性中每个阴道微生态指标的参数集M={M1，M2，M3，M4，M5}；其中，M1表示阴道微生态指标的评分为0，M2表示阴道微生态指标的评分为1，M3表示阴道微生态指标的评分为2，M4表示阴道微生态指标的评分为3，M5表示阴道微生态指标的评分为4；
建立健康的绝经女性中各指标参数的所占概率集α={α1，α2，α3，α4，α5}；其中，α1为健康的绝经女性中阴道微生态指标参数M1的所占概率，α2为健康的绝经女性中阴道微生态指标参数M2的所占概率，α3为健康的绝经女性中阴道微生态指标参数M3的所占概率，α4为健康的绝经女性中阴道微生态指标参数M4的所占概率，α5为健康的绝经女性中阴道微生态指标参数M5的所占概率；
建立健康的育龄女性中各指标参数的所占概率集γ={γ1，γ2，γ3，γ4，γ5}；其中，γ1为健康的育龄女性中阴道微生态指标参数M1的所占概率，γ2为健康的育龄女性中阴道微生态指标参数M2的所占概率，γ3为健康的育龄女性中阴道微生态指标参数M3的所占概率，γ4为健康的育龄女性中阴道微生态指标参数M4的所占概率，γ5为健康的育龄女性中阴道微生态指标参数M5的所占概率；
建立健康绝经女性的第一极端函数f（M，α）和健康育龄女性的第二极端函数f（M，γ）；
分别求取健康绝经女性的不同阴道微生态指标和不同参数的第一极端函数，健康育龄女性的不同阴道微生态指标和不同参数的第二极端函数；
建立同一阴道微生态指标及其参数下的第一极端函数与第二极端函数的比值；
获取比值在预设区间的阴道微生态指标及其参数，得到适用于绝经女性的生理性指标。
每个阴道微生态指标的评分不同，如：
pH值：≤4.5，赋值0分；＞4.5，赋值1分；
乳杆菌分级：Ⅰ级，赋值0分；Ⅱa级，赋值0分；Ⅱb级，赋值1分；Ⅲ级，赋值2分；
白细胞数：白细胞数≤10/hpf，赋值0分；白细胞数＞10/hpf，且≤10/上皮细胞，赋值1分；白细胞数＞10/上皮细胞，赋值2分；
中毒白细胞占比： 无或散在，赋值0分；≤50%，赋值1分；＞50%，赋值2分；
背景优势菌：无，赋值0分；革兰阳性大杆菌，赋值0分；大肠埃希类小杆菌，赋值0分；革兰阳性球菌样或链状菌，赋值1分；加德纳样菌，赋值2分；
基底旁细胞比例(PBC， parabasal epitheliocytes)：PBC/上皮细胞＜1％，赋值0分；PBC/上皮细胞≥1％且≤10％，赋值1分；PBC/上皮细胞＞10％，赋值2分。
阴道微生态指标参数的所占概率指的是每个阴道微生态指标的评分人数占比。检测健康的绝经女性和育龄女性这两个人群中的占比，比较上述两个人群的占比差异，差异较大的则表示该指标在适用于评价绝经人群，差异小的则表示该指标在绝经和育龄人群中同样适用。
第一极端函数与第二极端函数的比值的预设区间设置为小于0.5，大于1。
如果第一极端函数与第二极端函数的比值在预设区间，表明同样的指标的所占概率具有明显差异，表示育龄健康女性和绝经健康女性之间生理发生变化，此阴道微生态指标适用于评价绝经女性的生理变化。如果第一极端函数与第二极端函数的比值不在预设区间，表明同样的指标的所占概率相近，表示育龄健康女性和绝经健康女性之间生理没有发生变化，此阴道微生态指标不适用于评价绝经女性的生理变化。
通过第一筛选方法筛选出变化的阴道微生态指标及其参数，即生理性指标为PH值＞4.5、白细胞数评分1、优势菌为无、大肠埃希类小杆菌或球菌、基底旁细胞（PBC）评分1和乳杆菌分级等指标。
具体地，第二筛选方法，具体包括：
建立绝经的健康女性和阴道炎患者中每个阴道微生态指标的参数集M={M1，M2，M3，M4，M5}；其中，M1表示阴道微生态指标的评分为0，M2表示阴道微生态指标的评分为1，M3表示阴道微生态指标的评分为2，M4表示阴道微生态指标的评分为3，M5表示阴道微生态指标的评分为4；
建立绝经的健康女性中各指标参数的所占概率集β={β1，β2，β3，β4，β5}；其中，β1为绝经的健康女性中阴道微生态指标参数M1的所占概率，β2为绝经的健康女性中阴道微生态指标参数M2的所占概率，β3为绝经的健康女性中阴道微生态指标参数M3的所占概率，β4为绝经的健康女性中阴道微生态指标参数M4的所占概率，β5为绝经的健康女性中阴道微生态指标参数M5的所占概率；
建立绝经的阴道炎患者中各指标参数的所占概率集δ={δ1，δ2，δ3，δ4，δ5}；其中，δ1为绝经的阴道炎患者中阴道微生态指标参数M1的所占概率，δ2为绝经的阴道炎患者中阴道微生态指标参数M2的所占概率，δ3为绝经的阴道炎患者中阴道微生态指标参数M3的所占概率，δ4为绝经的阴道炎患者中阴道微生态指标参数M4的所占概率，δ5为绝经的阴道炎患者中阴道微生态指标参数M5的所占概率；
建立绝经健康女性的第一对比函数Q（M，β），建立绝经阴道炎患者的第二对比函数Q（M，δ）；
取第一对比函数和第二对比函数在平面坐标系上的面积差；
比较面积差与面积预设阈值；
获取面积差大于面积预设阈值的阴道微生态指标及其参数，得到适用于绝经女性的病理性指标。
第一对比函数和第二对比函数的面积差表示了绝经健康女性和阴道炎患者的差异。如果面积差大于面积预设阈值，表示绝经的健康女性和阴道炎患者之间发生的病理变化，此阴道微生态指标能用来评价绝经女性的病理变化。如果面积差小于面积预设阈值，表示绝经健康女性和阴道炎患者之间没有发生病理变化，此阴道微生态指标不能用来评价绝经女性的病理变化。
通过第二筛选方法筛选出变化的阴道微生态指标及其参数，即病理性指标为白细胞数评分2、优势菌为加德纳样菌、基底旁细胞（PBC）评分2。
生理性指标和病理性指标相同的指标为白细胞数、优势菌和基底旁细胞（PBC），但具有不同的赋值评分。生理性指标的评分表示绝经女性为正常，病理性指标的评分表示绝经女性为异常。因此得出用于评价绝经女性是否患有阴道炎症的第一重要指标为白细胞评分为2分，第二重要指标为基底旁细胞评分为2分，第三重要指标为优势菌为加德纳样菌。
具体地，步骤S4中阴道微生态评价模型的建立，如图3所示的，具体包括以下步骤：
S401：获取第一重要指标的第一阴道微生态指标，获取第二重要指标的第二阴道微生态指标，获取第三重要指标的第三阴道微生态指标；
S402：评估第一阴道微生态指标的参数是否满足第一重要指标；评估第二阴道微生态指标的参数是否满足第二重要指标；评估第三阴道微生态指标的参数是否满足第三重要指标；
S403：基于患者满足上述步骤S402的评估结果，输出患者的综合评分值。
基于患者满足上述步骤S402的任一条件，患者的综合评分值为2，则判断阴道炎类型为单一型；基于患者至少满足上述步骤S402的两个条件，患者的综合评分值为4或6，则判断阴道炎类型为混合型；基于患者不满足上述步骤S402的任一条件，患者的综合评分值为0，则判断阴道炎类型为正常型。
具体地，经过两次筛选，得出第一重要指标为白细胞评分为2分，基底旁细胞评分为2分，优势菌为加德纳样菌。
如果第一阴道微生态指标的参数满足第一重要指标，则阴道炎按照致病机理分为炎症型；如果第二阴道微生态指标的参数满足第二重要指标，则阴道炎按照致病机理分为萎缩型；如果第三阴道微生态指标的参数满足第三重要指标，则阴道炎按照致病机理分为感染型。
如图5所示的，如果仅白细胞的参数等于2分，则阴道炎为单一炎症型；如果仅基底旁细胞的参数等于2分，则阴道炎为单一萎缩型；如果仅优势菌为加德纳样菌，则阴道炎为单一感染型。
如果白细胞的参数等于2分且基底旁细胞的参数等于2分，则阴道炎为炎症型+萎缩型。如果白细胞的参数等于2分且优势菌为加德纳样菌，则阴道炎为炎症型+感染型。依次类推得出混合型。
图6为绝经女性正常型和单一型阴道微生态情况。1-4为正常型，同时满足WBC＜2分，PBC＜2分，优势菌为非加德纳样；5-8为单一炎症型，同时满足WBC=2分，PBC＜2分，优势菌为非加德纳样菌；9-11为单一萎缩组，同时满足WBC＜2分，PBC=2分，优势菌为非加德纳样菌；12为单一感染组，同时满足WBC＜2分，PBC＜2分，优势菌为加德纳样菌。
图7为绝经女性混合型阴道微生态情况。1为感染+萎缩组，同时满足WBC＜2分，PBC=2分，优势菌为加德纳样菌；2为炎症+感染组，同时满足WBC=2分，PBC＜2分，优势菌为加德纳样菌；3-5为炎症+萎缩组，同时满足WBC=2分，PBC=2分，优势菌为非加德纳样菌；6为炎症+感染+萎缩组，同时满足WBC=2分，PBC=2分，优势菌为加德纳样菌。
为了验证阴道微生态评价模型，比较绝经后女性阴道微生态评价模型与阴道炎特定症状及严重程度的相关性。
比较绝经后女性各阴道微生态分型发现，绝经后有或无阴道炎症状在正常组和单一感染型组、单一萎缩型组、单一炎症型组及混合型组均有明显统计学差异（P＜0.05），故绝经后女性阴道微生态分型与阴道炎症状有关。如表1所示的，同时比较各分型与阴道炎症状的严重程度发现，单一感染型组和单一萎缩型组阴道炎症状评分的中位数高于正常组，单一炎症型组高于单一感染型组和单一萎缩型组，而混合型组高于单一型组。故绝经后女性阴道微生态分型与阴道炎症状及严重程度有关。
表1
阴道炎症状评分是非正态分布，采用中位数（下四分位数，上四分位数）进行描述；
单一感染组、单一萎缩组采用Pearson卡方检验，单一炎症组、感染+萎缩组、炎症+感染组采用连续校正卡方检验，炎症+萎缩组、炎症+感染+萎缩组采用Fisher确切概率法，*P＜0.05 有统计学意义
比较阴道微生态分型与阴道炎特定症状发现，单一感染型组多以与细菌感染相关的症状分泌物增多37.70%（23/61）、分泌物异味26.23%（16/61）为主要症状就诊；单一萎缩型组多以与雌激素降低相关的症状外阴瘙痒30.50%（43/141）、干涩29.79%（42/141）、疼痛17.02%（24/141）为主要症状就诊；单一炎症型组多以与炎症反应相关的症状分泌物增多64.71%（11/17）、外阴烧灼感29.41%（5/17）为主要症状就诊；混合组可表现为仅一种分型的特征症状，也可比相应的单一分型的症状种类更多，比例结果见图8。故绝经后女性阴道微生态分型与阴道炎特定症状有关。
在临床上，用白细胞数评分、基底旁细胞评分和优势菌三个阴道微生态指标对绝经后女性阴道微生态进行分型，有助于深入了解致病机理，为临床选择正确的治疗方案提供依据。且绝经后女性阴道微生态进行分型与阴道炎特定症状有关，有助于对临床阴道炎特定症状和严重程度的预判。
基于患者的阴道炎类型为单一型，对患者进行单一性用药。阴道微生态感染型，可采用抗厌氧菌的药物，例如甲硝唑或替硝唑；阴道微生态炎症型，可采用针对免疫炎症反应的类固醇激素；阴道微生态萎缩型，可采用针对阴道粘膜萎缩的雌激素。
基于患者的阴道炎类型为混合型，对患者进行混合性用药。阴道微生态混合型，可根据不同的类型即病因不同，而选用药物的联合应用。
根据患者不同的阴道微生态分型，医师个体化选择治疗药物，可达到精准治疗的目的。
根据本发明的第二方面，如图4所示的，提供了一种绝经女性的阴道微生态评价模型构建系统，用于实现上述一种绝经女性的阴道微生态评价模型，包括：
信息获取单元，用于获取显微图像信息的阴道微生态指标第一数据集和阴道微生态指标第二数据集；
信息筛选单元，用于筛选出适用于绝经女性的重要指标；
信息处理单元，用于处理筛选得到的重要指标，构建阴道微生态评价模型。
通过显微镜检健康的绝经女性和育龄女性，及绝经的健康女性和阴道炎患者的阴道分泌物涂片，基于镜检结果，信息获取单元获取涂片信息的多个检测指标数据。基于不同人群的检测指标数据，信息筛选单元进行筛选，筛选出适用于绝经后女性的重要指标。基于筛选得到的适用于绝经女性的重要指标，信息处理单元构建阴道微生态评价模型。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (4)
1.一种绝经女性的阴道微生态评价方法，其特征在于，包括以下步骤：
S1：显微镜检健康的绝经女性和育龄女性的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第一数据集；
S2：显微镜检绝经的健康女性和阴道炎患者的阴道分泌物涂片，提取显微图像信息，获取阴道微生态指标第二数据集；
S3：基于单因素和多因素逻辑回归分析，得到所述阴道微生态指标第一数据集和所述阴道微生态指标第二数据集的独立预测因子，并结合筛选出适用于绝经女性的重要指标；
S4：构建模型，基于筛选得到的适用于绝经女性的所述重要指标构建阴道微生态评价模型；
所述步骤S3具体包括：
S301：获取健康的绝经女性和育龄女性的阴道微生态指标第一数据集；
S302：基于单因素和多因素逻辑回归分析，分析阴道微生态指标在两组人群中的差异，获取所述阴道微生态指标第一数据集的独立预测因子，得到多个适用于绝经女性的生理性指标；
S303：获取绝经的健康女性和阴道炎患者的阴道微生态指标第二数据集；
S304：基于单因素和多因素逻辑回归分析，分析阴道微生态指标在两组人群中的差异，获取所述阴道微生态指标第二数据集的独立预测因子，得到多个适用于绝经女性的病理性指标；
S305：基于筛选得到的多个适用于绝经女性的生理性指标和病理性指标，进行求同，并基于求同后的病理性指标得到第一重要指标、第二重要指标和第三重要指标，构建适用于评价绝经女性的阴道微生态评价模型。
2.如权利要求1所述的绝经女性的阴道微生态评价方法，其特征在于，所述步骤S4中评价模型的建立，具体包括以下步骤：
S401：获取所述第一重要指标的第一阴道微生态指标，获取所述第二重要指标的第二阴道微生态指标，获取所述第三重要指标的第三阴道微生态指标；
S402：评估所述第一阴道微生态指标的参数是否满足所述第一重要指标；评估所述第二阴道微生态指标的参数是否满足所述第二重要指标；评估所述第三阴道微生态指标的参数是否满足所述第三重要指标；
S403：基于患者满足上述步骤S402的评估结果，输出患者的综合评分值。
3.如权利要求1所述的绝经女性的阴道微生态评价方法，其特征在于，所述第一重要指标为白细胞评分为2分，所述第二重要指标为基底旁细胞评分为2分，所述第三重要指标为优势菌为加德纳样菌。
4.一种绝经女性的阴道微生态评价模型构建系统，用于实现如权利要求1-3任一项所述的绝经女性的阴道微生态评价方法，其特征在于，包括：
信息获取单元，用于获取所述显微图像信息的阴道微生态指标第一数据集和阴道微生态指标第二数据集；
信息筛选单元，用于筛选出适用于绝经女性的重要指标；
信息处理单元，用于处理筛选得到的重要指标，构建阴道微生态评价模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310628678.3A CN116363128B (zh) | 2023-05-31 | 2023-05-31 | 一种绝经女性的阴道微生态评价模型和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310628678.3A CN116363128B (zh) | 2023-05-31 | 2023-05-31 | 一种绝经女性的阴道微生态评价模型和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116363128A CN116363128A (zh) | 2023-06-30 |
| CN116363128B true CN116363128B (zh) | 2023-08-04 |
Family
ID=86938882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310628678.3A Active CN116363128B (zh) | 2023-05-31 | 2023-05-31 | 一种绝经女性的阴道微生态评价模型和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116363128B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105372439A (zh) * | 2015-12-01 | 2016-03-02 | 江苏硕世生物科技有限公司 | 一种女性下生殖道微生态评价检测系统 |
| CN115098836A (zh) * | 2022-07-25 | 2022-09-23 | 天津医科大学总医院 | 一种评估多个环境因素对阴道微生态影响的方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106033540B (zh) * | 2016-05-27 | 2019-04-26 | 北京大学第一医院 | 一种阴道微生态形态学自动分析方法和系统 |
| CN108753913A (zh) * | 2018-05-07 | 2018-11-06 | 佛山市妇幼保健院 | 阴道乳酸杆菌质量评分体系在评判女性健康状况上的应用 |
| CN114938947B (zh) * | 2022-07-25 | 2022-10-21 | 天津医科大学总医院 | 一种多层级的阴道微生态评估体系构建方法和装置 |
-
2023
- 2023-05-31 CN CN202310628678.3A patent/CN116363128B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105372439A (zh) * | 2015-12-01 | 2016-03-02 | 江苏硕世生物科技有限公司 | 一种女性下生殖道微生态评价检测系统 |
| CN115098836A (zh) * | 2022-07-25 | 2022-09-23 | 天津医科大学总医院 | 一种评估多个环境因素对阴道微生态影响的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116363128A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Babu et al. | Comparative study on the vaginal flora and incidence of asymptomatic vaginosis among healthy women and in women with infertility problems of reproductive age | |
| Cauci et al. | Prevalence of bacterial vaginosis and vaginal flora changes in peri-and postmenopausal women | |
| Xiao et al. | Predictive value of the composition of the vaginal microbiota in bacterial vaginosis, a dynamic study to identify recurrence-related flora | |
| Huang et al. | Gut microbiota exceeds cervical microbiota for early diagnosis of endometriosis | |
| US10676795B2 (en) | Diagnostic methods and markers for bacterial vaginosis | |
| Huppert et al. | Urinary symptoms in adolescent females: STI or UTI? | |
| Kreisel et al. | The burden of and trends in pelvic inflammatory disease in the United States, 2006–2016 | |
| Price et al. | Temporal dynamics of the adult female lower urinary tract microbiota | |
| Noureldin et al. | Negative appendicectomy rate: incidence and predictors | |
| Raglan et al. | The association between obesity and weight loss after bariatric surgery on the vaginal microbiota | |
| Kunaseth et al. | Vaginal microbiome of women with adenomyosis: A case-control study | |
| CN116363128B (zh) | 一种绝经女性的阴道微生态评价模型和系统 | |
| CN113186311B (zh) | 阴道微生物在慢性盆腔痛综合征鉴别诊断中的应用 | |
| Huang et al. | Aiding clinical assessment of neonatal sepsis using hematological analyzer data with machine learning techniques | |
| Nelson et al. | Vaginal symptoms and bacterial vaginosis (BV): how useful is self-report? Development of a screening tool for predicting BV status | |
| Haahr et al. | Vaginal dysbiosis in pregnancy associates with risk of emergency caesarean section: a prospective cohort study | |
| Zhao et al. | Mycobiome Study Reveals Different Pathogens of Vulvovaginal Candidiasis Shape Characteristic Vaginal Bacteriome | |
| Worby et al. | Gut-bladder axis syndrome associated with recurrent UTIs in humans | |
| Risser et al. | Impact of new diagnostic criteria on the prevalence and incidence of pelvic inflammatory disease | |
| Pérez-Prieto et al. | Gut microbiome in endometriosis: a cohort study on 1,000 individuals | |
| CN114694836B (zh) | 基于甲状腺癌淋巴结转移预测模型的评估系统 | |
| Zhang et al. | Association between vaginal Gardnerella and tubal pregnancy in women with symptomatic early pregnancies in China: a nested case-control study | |
| Knudtson et al. | The effect of digital cervical examination on group B streptococcal culture | |
| CN106529191A (zh) | 一种面向妇科疾病智能化诊断的特征生成方法 | |
| Leidy | Effect of exclusion: rates of hysterectomy and comparisons of age at natural menopause |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |