本研究是探討卵巢腫瘤的主要風險因子，以用來判斷腫瘤的類型，由於卵巢腫瘤症狀不明顯，又因位於骨盆腔中，因此病人不易察覺，而病人的表現大多是肚子痛、下腹部腫脹，所以容易被忽略。卵巢癌罹患機率比子宮頸癌低，但是致死率卻是婦科疾病之冠，本研究藉由統計方法分析病人的風險因子，期能正確判斷腫瘤類型，提早治療以降低致死率。研究之資料來源為高雄榮民總醫院婦產科，蒐集在有腫瘤的案例中，根據超音波來檢查卵巢與其他相關風險因子，如年齡、腫瘤指標等，提供區別良性、中度惡性以及惡性的卵巢腫瘤判斷方法，建立適當的分類準則，用以作為後續治療、手術、追蹤之參考。在區別惡性與非惡性(良性與中度惡性)的案例，主要利用風險因子來建構迴歸分類樹(classification and regression trees)，將幫助醫生判別腫瘤之類別。而後在判定為非惡性的腫瘤情況下，根據風險因子之影響程度，利用邏輯斯迴歸(logistic regression)模型，再進一步分類為出良性或中度惡性。以上述的流程，可以相當精確程度分出腫瘤類型，如此便可決定醫生開刀的方式，且用以幫助病人是否須做後續的
追蹤。

This study discusses main risk factors of ovarian tumor to determine a tumor type. Since symptoms of ovarian tumor are not obvious as the tumors are located in pelvic, the ovarian tumor is difficult to detect. The symptoms are mostly stomach or lower abdomen
swellings, which are often ignored. The probability of ovarian cancer is lower than cervical cancer, but the mortality rate is the highest of all gynecologic diseases. The study uses statistical methods to analyze risk factors of patients to determine the tumor type and an early treatment in order to reduce the death rate. The sources of the studies are from Kaohsiung Veterans General Hospital and are classified according to different cases of tumors based on ultrasound checks and other relevant risk factors, such as ages and tumor marks so as to provide a determined method to distinguish among benign, borderline and malignant ovarian tumors in order to create appropriate classification criteria for followups,
surgeries, and references for tracking. To differentiate between malignant and nonmalignant (benign and borderline) cases, we use risk factors to construct classification and regression trees so as to help physicians to determine the tumor type. In the situation
in which the non-malignant tumor may be determined, we use logistic regression model according to the degree of influence of risk factors to further classify between benign and borderline tumors. The aforementioned process can determine tumor types precisely and can also determine surgery types so as to help determining whether patients would need a
follow-up.

誌謝i
摘要ii
Abstract iii
1 前言1
2 資料描述3
2.1 資料蒐集. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 資料整理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.1 年齡. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.2 腫瘤指標. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.3 卵巢腫瘤超音波圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 研究方法8
3.1 迴歸分類樹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 經驗判斷法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 邏輯斯迴歸. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 研究結果10
4.1 敘述統計量與圖表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.2 非惡性與惡性腫瘤之區分. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2.1 迴歸分類樹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2.2 CA-125超標值的調整. . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.3 良性與中度惡性腫瘤之區分. . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.3.1 經驗判斷法結果. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.3.2 邏輯斯迴歸結果. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5 討論與結語18
參考文獻19
附錄A 20
圖次
2-1 超音波-腫塊. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2-2 超音波-隔間. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2-3 超音波-腹水. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2-4 超音波-雜質. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2-5 超音波-大尺寸. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4-6 三類型腫瘤-年齡盒鬚圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4-7 三類型腫瘤指標盒鬚圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4-8 三類型腫瘤-最長徑與年齡層盒鬚圖. . . . . . . . . . . . . . . . . . . . . . . 13
4-9 第一年齡層下的迴歸分類樹. . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4-10 第二年齡層下的迴歸分類樹. . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4-11 第三年齡層下的迴歸分類樹. . . . . . . . . . . . . . . . . . . . . . . . . . . 15
A-1 第一年齡層根據不同CA125值惡性與非惡性的敏感、特異、準確度. . . . . . . 25
A-2 第二年齡層根據不同CA125值惡性與非惡性的敏感、特異、準確度. . . . . . . 25
A-3 第三年齡層根據不同CA125值惡性與非惡性的敏感、特異、準確度. . . . . . . 25
A-4 不分年齡層根據不同CA125值惡性與非惡性的敏感、特異、準確度. . . . . . . 26
A-5 各年齡層為中度惡性之機率與最長徑關係圖. . . . . . . . . . . . . . . . . . . 26
A-6 各年齡層之Odds與最長徑關係. . . . . . . . . . . . . . . . . . . . . . . . . . 26
A-7 三類型腫瘤-最長徑與年齡散佈圖. . . . . . . . . . . . . . . . . . . . . . . . . 27
A-8 非惡性與惡性-最長徑與年齡散佈圖. . . . . . . . . . . . . . . . . . . . . . . 27
A-9 良性與中度-最長徑與年齡散佈圖. . . . . . . . . . . . . . . . . . . . . . . . . 28
A-10以迴歸分類樹中非惡性腫瘤-最長徑與年齡散佈圖. . . . . . . . . . . . . . . . 28
A-11非惡性與惡性-年齡盒鬚圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
A-12非惡性與惡性腫瘤指標盒鬚圖. . . . . . . . . . . . . . . . . . . . . . . . . . 29
A-13三類型腫瘤-最長徑盒鬚圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
A-14非惡性與惡性-最長徑與年齡層盒鬚圖. . . . . . . . . . . . . . . . . . . . . . 30
A-15第一年齡層下有做與沒做CA 125之最長徑盒鬚圖. . . . . . . . . . . . . . . . 31
A-16第二年齡層下有做與沒做CA 125之最長徑盒鬚圖. . . . . . . . . . . . . . . . 31
A-17第三年齡層下有做與沒做CA 125之最長徑盒鬚圖. . . . . . . . . . . . . . . . 32
A-18以迴歸分類樹中非惡性腫瘤-最長徑與年齡盒鬚圖. . . . . . . . . . . . . . . . 32
表次
4-1 良性、中度惡性與惡性年齡基本統計量. . . . . . . . . . . . . . . . . . . . . 10
4-2 分年齡層的良性、中度惡性與惡性CA 125基本統計量. . . . . . . . . . . . . . 11
4-3 分年齡層的良性、中度惡性與惡性最長徑基本統計量. . . . . . . . . . . . . . 13
A-1 良性、中度惡性與惡性CA 125基本統計量. . . . . . . . . . . . . . . . . . . . 20
A-2 良性、中度惡性與惡性最長徑基本統計量. . . . . . . . . . . . . . . . . . . . 20
A-3 第一齡層分否做CA 125的良性、中度惡性與惡性最長徑基本統計量. . . . . . . 20
A-4 第二齡層分否做CA 125的良性、中度惡性與惡性最長徑基本統計量. . . . . . . 21
A-5 第三齡層分否做CA 125的良性、中度惡性與惡性最長徑基本統計量. . . . . . . 21
A-6 迴歸模型係數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
A-7 各年齡層下不同CA-125做分界點之準確度、敏感度、特異度. . . . . . . . . . 22
A-8 經驗判斷法分類結果. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
A-9 92筆邏輯斯迴歸模型以不同分界點之準確度、敏感度、特異度. . . . . . . . . 23
A-10 92筆邏輯斯迴歸模型以不同分界點之準確度、敏感度、特異度. . . . . . . . . 24

1. Agresti, A. (2002). Categorical Data Analysis, 2nd ed. Wiley, New York.
2. Breiman, L., Friedman, J.H., Olshen, R.A. and Stone, C.J., (1993). Classification
and regression trees, Chapman and Hall, New York.
3. Desimone, C.P., Goodrich,S., Miller, R.A., Podzielinski, I., Seamon, L.G., Sokoll, L.,
Smith, A., van Nagell Jr, J.R., Ueland, F.R. and Zhang, Z., (2011). Effectiveness
of Multivariate Index Assay in the Preoperative Assessment of Ovarian Tumors,
Obstetrics and Gynecology, 117, 1289-1297.
4. Ball, J.J., Disilvestro, P., Gajewski, W., Landrum, L.M., Moore, R.G., Miller, M.C.
and Skates, S.J., (2011). Evaluation of the Diagnostic Accuracy of the Risk of Ovarian
Malignancy Algorithm in Women With a Pelvic Mass, Obstetrics and Gynecology,
118, 280-288.
5. Aalders, A.L., Kluivers, K.B., Massuger, L.F.A.G., Snijders, M.P.L.M., Samlal,
R.A.K., van den Akker, P.A.J., Vollebergh, J.H.A. and Zusterzeel, P.L.M. (2011).
Factors Influencing the Use of Frozen Section Analysis in Adnexal Masses, Obstetrics
and Gynecology, 118, 57-62.
6. Liu, J.H. and Zanotti, K.M., (2011). Management of the Adnexal Mass, Obstetrics
and Gynecology, 117, 1413-1428.