اقتصاد خرد
اقتصاد کلان
سیاستهای پولی بانک مرکزی
نرخ ارز
سیاستهای کلان قیمت گذاری محصولات
مالیات
سیاستهای انقباضی و انبساطی بانکها
سود هر سهم
روند قیمت سهام و گذشته ساختار مالی شرکت
تقاضا برای محصول شرکت

مدیریت شرکت
ادغام و ترکیب شرکتها
سیاست تقسیم سود
سهام جایزه
تورم
و سایر عوامل دیگر

روش های رایج محاسبه شاخص

نظریه ها و نوآوری های مالی در یکی دو دهه اخیر بر پایه نقش محوری توجه به حرکتهای عمومی بازار با گرایش روز افزون به محاسبه و بررسی روند های حرکتی شاخص ها همراه بوده است به طور خلاصه شاخص های بازار سرمایه برای موارد زیر استفاده می شوند: ( براون و رایلی ،۲۰۰۰)

• • به عنوان محکی برای ارزیابی عملکرد مدیران حرفه ای سرمایه گذاری.

• • ایجاد و نظارت بر صندوق های سرمایه گذاری .

• • اندازه گیری نرخهای بازده بازار در مطالعات اقتصادی .

• • پیش بینی حرکات آتی بازار (توسط تحلیل گران فنی).

• • به عنوان شاخصی برای پرتفوی دارایی های ریسک دار ، به هنگام محاسبه ریسک سیستماتیک دارایی ها .

• • به عنوان ابزار معاملاتی .

به طور خلاصه یک شاخص قابل اطمینان در بازار سهام باید نماینده و تاثیر پذیر باشد و باید سازگاری و انعطاف پذیری ذاتی داشته باشد .بنابراین بسیار مهم است که سال پایه وشرکتهای تشکیل دهنده آن به دقت انتخاب شوند امروزه طراحی و محاسبه شاخص های قیمت سهام در بازار های مالی دنیا به روش های مختلفی انجام می شود . که هریک نقاط ضعف و قوت خاص خود را دارند . یکی از مهمترین دلایل این گستردگی آن است که شاخص های قیمت سهام معمولاً بر پایه دو ویژگی زیر دسته بندی می شود :

• • 1. 1. روش وزن دهی

     

    1. 1. روش میانگین گیری

     

     

از دیدگاه روش وزن دهی شاخص ها را می توان به سه دسته تقسیم کرد :
الف ) شاخص های قیمتی بی وزن
ب ) شاخص های قیمتی با وزن برابر
ج ) شاخص های قیمتی با وزنی برابر با ارزش بازار سهام
شاخص های قیمتی بدون وزن از میانگین حسابی ساده قیمت های سهام به دست می آید. شاخصهای قیمتی دارای وزن های برابر با توجه به تغییرات قیمت هر سهم نسبت به مقدار پایه آن (به کمک نسبتهای قیمتی) به دست می آیند . شاخصهای قیمتی با وزن های برابر با ارزش بازار سهام از حاصل ضرب تعداد سهام در قیمت جاری سهام منتشره شرکت ها حاصل می شود . همچنین روش های میانگین گیری قیمت های سهام شرکت ها به دو روش زیر انجام می پذیرد :

1. 1. میانگین حسابی

1. 1. میانگین هندسی

هر دو روش در محاسبه شاخص قیمت سهام کاربرد دارد و در حال حاضر مورد استفاده قرار می گیرد در روش میانگین ساده مجموع قیمت روز متغیر مربوط که در موارد اوراق بهادار، سهام و اوراق قرضه می باشد (از هر سهم یک عدد ) ، بر مجموع قیمت پایه متغییر مربوط تقسیم و حاصل در عدد ۱۰۰ ضرب می گردد . این روش ساده می باشد ولی از نظر کاربردی محدودیت دارد. در روش میانگین هندسی، حاصلضرب قیمت های روز اوراق بهادار شرکت ها ( سهام شرکتها ) بر حاصلضرب قیمت های پایه تقسیم می گردد . در روش میانگین موزون پنج روش معروف شناخته شده است :

انعطاف پذیری در قیمت گذاری باعث افزایش خرید می شود، بخصوص برای آن مشتریانی که حساس به قیمت هستند. بعضی از شرکت ها برای بدست آوردن اطلاعات مشتریان پول زیادی را صرف می کنند برای اینکه آنها نیاز به شخصی سازی اطلاعات این مشتریان بصورت فرد به فرد دارند.

در بازارهای الکترونیک بدلیل پیچیدگی، استفاده از قیمتهای ثابت ممکن است، مشکل‌زا باشد. پس برخی از شرکتها از قیمت‌گذاری پویا استفاده می‌کنند. وقتی شرایط با چنین سرعتی تغییر می‌کند، تنها رهیافتهای قیمت‌گذاری، قیمت گذاری پویا خواهد بود(راشینقانی، ۲۰۰۴). با توجه به امکان به دست آوردن سریع اطلاعات از میزان تقاضا، رقبا و مشتریان عوامل تأثیرگذار در قیمت‌گذاری امکان قیمت‌گذاری پویا به وجود می‌آید و گاه قیمت یک کالا چند بار در یک روز می‌تواند تغییر یابد.
به منظور سنجش این فرضیه از آزمون تی تک نمونه ای استفاده شد و نتایج به دست آمده حاکی از تایید فرضیه بوده است. یعنی با احتمال ۹۵% ، فرضیه فرعی پنجم مبنی بر اینکه بین انعطاف پذیری قیمت و قیمت گذاری ثابت در رفتار خرید مشتریان آنلاین تفاوت معناداری وجود دارد، تایید می گردد. بنابراین می توان گفت که افراد جامعه تفاوت اساسی بین انعطاف پذیری قیمت و قیمت گذاری ثابت قائل هستند.
فرضیه های فرعی و اصلی تایید شده در فوق در راستای تحقیقات محققین پیشین می باشد، که در جدول ۵-۱ بطور خلاصه متناسب با هر فرضیه، نظر محققین بیان شده است.

جدول۵-۱- مقایسه نتایج تحقیق با نتایج سایر تحقیقات

۵-۳- پیشنهادات

در این بخش با توجه به فرضیات و یافته های تحقیق، پیشنهاداتی برای شرکتهای اینترنتی ایران ارئه می گردد تا بتوانند با بهره گرفتن از این پیشنهادات، سازمان خود را در مقابل رقبای خور مصون نمایند.

۵-۳-۱- پیشنهادات کاربردی

نتایج این تحقیق نشان می دهد که انعطاف پذیری قیمت نقش مهمی بر رفتار خرید مشتریان آنلاین دارد. فرضیات این پژوهش این امر را به تایید می رساند. همانگونه ادبیات و نتایج تحقیق نشان می دهند که قیمت گذاری منعطف نقش کلیدی در جلب مشتری و رفتار خرید آنان دارد. بنابراین ما بخشی از پیشنهادات پژوهش را در این قسمت بیان می کنیم.

1. 1. انعطاف پذیری قیمت به مشتریان این فرصت را می دهد که اقلام بی همتا و قابل دست یافتنی را پیدا کرده و باعث افزایش راحتی آنان شود. یعنی نیازی به مسافت به یک مکان خاص قبل از اینکه خرید انجام گیرد وجود نخواهد داشت. خریداران می توانند در هنگام خرید از طریق اینترنت از نام مستعار استفاده کرده و در فرایند خرید راحت عمل کنند. بنابراین شرکتهای اینترنتی با در نظر گرفتن این موارد می توانند بهتر عمل کنند.

1. 1. شرکت های اینترنتی نیاز به ساخت وب سایت جالب تر داشته و در راه اطلاع رسانی بهینه به مصرف کنندگان می توانند آنان را وادار به خرید بیشتر کرده و به این ترتیب بیش از رقبا به فروش و بهره وری دست یابند. بنابراین قبل از خرید هر مصرف کننده، اطلاعات قیمت گذاری و محصول به مصرف کننده باید برای تعیین تصمیم خرید به او منتقل گردد.

1. ترویج و ترغیب هر چه بیشتر مشتریان برای خرید به صورت آنلاین به جای خرید از فروشگاه.

۴-۱-۳- Receive ASCII.vi
SubVI شکل ۴-۴ یکی از مهم­ترین قسمت­ های برنامه است، زیرا داده ­های اولیه را دریافت می­ کند و اعمال زیر را روی آن­ها انجام می­دهد:
CheckSum را چک می­ کند.
تعداد بایت­های دریافتی را چک می­ کند.
هدر و تریلر را چک می­ کند.
نوع ترموکوپل را چک می­ کند.
شماره برد متصل را چک می­ کند.
در نهایت پس از چک کردن و درست بودن تمام موارد گفته شده، داده اولیه را از داخل داده دریافتی استخراج کرده و برای مرحله بعد ارسال می­ کند.

شکل ۴-۴: Receive ASCII.vi
۴-۱-۴- Convert String number to number.vi
این SubVI (شکل ۴-۵) یک داده عددی که به صورت Hex ارسال شده است را دریافت می­ کند، سپس آن را به صورت یک عدد صحیح تبدیل می­ کند و برای پروسه­های بعدی ارسال می­ کند.
شکل ۴-۵: Convert String number to number.vi
۴-۱-۵- %d to Hex.vi
اینSubVI (شکل ۴-۶)، ۴ عدد صحیح که به صورت متنی است را دریافت می­ کند، سپس ۴ عدد Hex را به خروجی انتقال می­دهد.
شکل ۴-۶: %d to Hex.vi
۴-۱-۶- Check valid board and T.vi
این SubVI (شکل ۴-۷) داده اولیه را دریافت می­ کند، سپس در قسمت خروجی، دو آرایه می­دهد که مشخص می­ کند کدام ترموکوپل­ها و کدام بردها به سامانه متصل هستند.
شکل ۴-۷: Check valid board and T.vi
۴-۱-۷- Extract data.vi
این SubVI (شکل ۴-۸) یکی از مهم­ترین قسمت­ های برنامه است که دادۀ خام دریافتی را به عدد صحیح (دما) تبدیل می­ کند، همچنین پیامی مبنی بر متصل بودن یا نبودن ترموکوپل تولید کرده و از طریق پایه Message به خروجی می­دهد.
شکل ۴-۸: Extract data.vi
۴-۱-۸- F_CRLF_tcp read.vi
این SubVI (شکل ۴-۹)، مانند بلوک TCP Read عمل می­ کند با این تفاوت که، داده را تا رسیدن به یک کاراکتر خاص دریافت می­ کند، سپس کل داده ­ها را از طریق خروجی data out به قسمت­ های بعدی ارسال می­ کند.
شکل ۴-۹: F_CRLF_tcp read.vi
۴-۱-۹- Error Dialog.vi
در این SubVI تمام خطاهای احتمالی سیستم جمع آوری شده است. همان­طور که در شکل ۴-۱۰ مشاهده می­کنید یکی از ورودی­های این SubVI خطای ورودی (error IN) است تا از روی آن پیام مورد نظر را به کاربر نمایش دهد.
شکل ۴-۱۰: Error Dialog.vi
۴-۱-۱۰- Send ASCII.vi
این SubVI (شکل ۴-۱۱) شماره برد، شماره ترموکوپل و نوع ترموکوپل را می­گیرد، سپس دادۀ نهایی که برای بردها ارسال می­کنیم را تولید می­ کند (CheckSum نیز وجود دارد).
شکل ۴-۱۱: Send ASCII.vi
۴-۱-۱۱- Zero before Number less 10.vi
این SubVI (شکل ۴-۱۲) زیر مجموعه SubVI قبل است و قسمتی از کار آن را انجام می­دهد؛ یعنی یک متن رشته ای (String) را از روی داده ­های دریافتی تولید می­ کند.
شکل ۴-۱۲: Zero before Number less 10.vi
۴-۱-۱۲- Max Min Median Data.vi
از این SubVI (شکل ۴-۱۳) برای بدست آوردن بیشترین مقدار و کمترین مقدار داده ­های بارگذاری شده روی نمودار استفاده می­ شود. همچنین به دلخواه کاربر و توسط این SubVI فیلتر Median را روی داده ­های بارگذاری شده اعمال می­ کند.
شکل ۴-۱۳: Max Min Median Data.vi
۴-۱-۱۳- Load Data Mode APPENDED (T).vi
به دلیل این که حجم کمی از فضای RAM رایانه کاربر را اشغال کنیم، داده ­ها را با حالت Appended ذخیره کرده­ایم، از این رو برای بارگذاری داده ­ها نیاز به SubVI نوشته شده در شکل ۴-۱۴ داریم.
شکل ۴-۱۴: Load Data Mode APPENDED (T).vi
۴-۱-۱۴- Fill WDT.vi
این SubVI (شکل ۴-۱۵) داده ­های خام و شماره کانال­های انتخابی را دریافت کرده و دمای مربوط به هر کانال را از طریق خروجی Array 2 به نمودار ارسال می­ کند.
شکل ۴-۱۵: Fill WDT.vi
۴-۱-۱۵- Name Legend.vi
این SubVI (شکل ۴-۱۶) شماره کانال­های انتخابی کاربر را دریافت می­ کند و از روی آن­ها Legend مناسب را برای هر گراف تولید می­ کند.
شکل ۴-۱۶: Name Legend.vi
۴-۱-۱۶- Number to time String
این SubVI (شکل ۴-۱۷) عددی بر حسب ثانیه دریافت می­ کند و آن را به زمان (با فرمت رشته­ای (String)) تبدیل می­ کند.
شکل ۴-۱۷: Number to time String
۴-۱-۱۷- Save WDT Graph.vi
این SubVI (شکل ۴-۱۸) گراف لحظه قبل، داده ­های دریافت شده، زمان t₀ و چند پارامتر دیگر را می­گیرد و پس از پردازش­های لازم دمای ترموکوپل­ها را در متغیر Output Graph قرار می­دهد و آن­ها را در رایانه، با نرخ انتخابی توسط کاربر، ذخیره می­ کند.

بر اساس قضیه ۶، اگر در وضعیت اولیه شبکه، توکنی در یک مدار جهت دار وجود نداشته باشد، این حلقه بدون توکن باقی خواهد ماند. بنابراین هیچ یک از گره ها (گزار) در آن امکان اجرا شدن نخواهند داشت. از سوی دیگر اگر یک گره هیچ گاه طی هیچ وضعیتی امکان اجرا شدن نداشته باشد (L0-live transition)، می توان با بررسی معکوس دنباله گزارها، مدار مستقیم بدون توکن را پیدا کرد. بر این اساس قضیه ۷ را داریم:

قضیه ۷: گراف نشانه دار (G, )، live است اگر و تنها اگر در وضعیت M₀، حداقل یک توکن در هریک از مدارهای جهت دار G وجود داشته باشد.
□
قضیه ۸: گراف نشانه دار live (G, )، safe خواهد بود اگر و تنها اگر هر لبه ای (موقعیت) در این گراف متعلق به مدار جهت دار C باشد به طوری که M₀© = 1 .
□
لم ۱: با بهره گرفتن از گراف پوشای مدل پتری (N,M₀) تعدادی از خصوصیات آن را می توان بررسی نمود. از آن جمله می توان به موارد زیر اشاره کرد:
شبکه (N,M₀) ، bounded و در نتیجه R(M₀) متناهی است اگر و تنها اگر مقدار (تعداد بی نهایت توکن در یک موقعیت) در هیچ یک از برچسب های گره های گراف وجود نداشته باشد.
شبکه (N,M₀)، safe است اگر و تنها اگر فقط مقادیر ۰ و ۱ در برچسب گره های گراف دیده شود.
گزار t در شبکه (N,M₀) ، dead خواهد بود اگر و تنها اگر این گزار به صورت برچسب یک لبه در گراف پوشا ظاهر نشود.
اگر وضعیت M از طریق M₀ قابل دسترسی (reachable) باشد. آنگاه در گراف گره ای با برچسب وجود دارد به طوری که
□
برای مطالعه بیشتر قضایا و فرضیات به ]۲۵[ الی ]۲۸[ مراجعه کنید.

جمع بندی
در فصل دو، با تکیه بر مطالعات انجام شده در زمینه ابزار توصیف فرمال سیستم ها، چهار ابزار مختلف را انتخاب و بررسی نمودیم. هر یک از این چهار ابزار، خواه مبنی بر ابزار ریاضی مانند گراف باشند و یا مبتنی بر روابط جبری، به طراح در به دست آوردن تصویری قابل درک از سیستم واقعی کمک می کنند. این تصویر می تواند با متد های قابل دفاع مورد بررسی و تحلیل قرار گرفته و ظرفیت ها و مشکلات سیستم را از جنبه های زیادی به طراح نشان دهد.
با توجه به تنوع سیستم های دنیای واقعی و خصوصیات بی شمار آنها، به طبع، ابزار فرمال متنوعی نیز برای بررسی آنها ابداع شده است. به عنوان نمونه بسیاری از ابزار مدلسازی فرمال قادر به نشان دادن دقیق خصوصیات سیستم های غیر موازی هستند. در مقابل بسیاری می توانند خصوصیات سیستم های موازی را که بسیار پیچیده ترند نشان دهند. همچنین خصوصیات ساختاری و رفتاری سیستم ها و نحوه برخورد آنها با زمان مسائل پیچیده ای است که باید در مدل سازی سیستم با ابزار فرمال مد نظر داشت.
با توجه به توضیحات ارائه شده در بخش های گذشته، می توان جدول مقایسه ای برای چهار ابزار توصیف فرمال مذکور به صورت جدول ۲٫۱ ارائه داد.
جدول ۲٫۱٫ خلاصه مقایسه ابزار توصیف فرمال

عنوان صفحه
جدول ۲-۱- خلاصه‌ای از مطالعاتی نشان دهنده‌ی میزان شیوع تخمدان پلی‌کیستیک PCO به کمک اولتراسونوگرافی (برگرفته از Koivunen, 2001) 36
جدول ۲-۲- مشخصات بافت‌شناسی تخمدان پلی‌کیستیک (برگرفته از Koivunen, 2001) 37
جدول ۲-۳- معیار اولتراسونوگرافی برای تشخیص PCO (برگرفته از Koivunen, 2001) 37

جدول ۲-۴- کرایتریای تشخیصی برای سندرم‌ تخمدان پلی‌کیستیک برطبق تعاریف مختلف منتشر شده، برگرفته از Conder & Escobar-Morreale, 2007 ) 65
جدول۳-۱- تعداد افراد مورد مطالعه ۶۷
جدول ۳-۲- مقادیر مورد انتظار برای سیستم تست LH به روش ELISA 72
جدول ۳-۳- مقادیر مورد انتظار برای سیستم تست FSH به روش ELISA 73
جدول ۳-۴- مقادیر مورد انتظار برای سیستم تست تستوسترون به روش ELISA 74
جدول ۳-۵- مقادیر مورد انتظار برای سیستم تست پرولاکتین به روش ELISA 76
جدول ۴-۱- مقایسه‌ی ویژگی‌های جمعیت‌شناختی زنان مبتلا به سندرم تخمدان پلی‌کیستیک و زنان سالم (کنترل) ۸۲
جدول ۴-۲- مقایسه‌ی هورمون‌های مورد بررسی زنان مبتلا به سندرم تخمدان پلی‌کیستیک و زنان سالم (کنترل) ۸۳
جدول ۴-۳- مقایسه‌ عوامل خونی زنان مبتلا به سندرم تخمدان پلی‌کیستیک و زنان سالم (کنترل) ۸۷
جدول ۴-۴- مقایسه‌ی عوامل بالینی زنان مبتلا به سندرم تخمدان پلی‌کیستیک و زنان سالم (کنترل) ۸۹
جدول ۴-۵- ضریب همبستگی اسپیرمن بین نمایه‌ی توده‌ی بدنی با هورمون‌های مورد بررسی در دو گروه زنان مبتلا و غیرمبتلا به PCOS 91
جدول ۴-۶- ضریب همبستگی اسپیرمن بین نمایه‌ی توده‌ی بدنی با عوامل خونی مورد بررسی در دو گروه زنان مبتلا و غیرمبتلا به PCOS 92
جدول ۴-۷- ضریب همبستگی اسپیرمن بین سن با هورمون‌های مورد بررسی در دو گروه زنان مبتلا و غیرمبتلا به PCOS 93
جدول ۴-۸- ضریب همبستگی اسپیرمن بین سن با عوامل خونی مورد بررسی در دو گروه زنان مبتلا و غیرمبتلا به PCOS 93
جدول ۴-۹- مقادیر حساسیت، ویژگی، ارزش اخباری مثبت و ارزش اخباری منفی هورمون‌های مورد بررسی در نقطه‌ی برش تعیین شده ۹۶
جدول ۴-۱۰- مقادیر حساسیت، ویژگی، ارزش اخباری مثبت و ارزش اخباری منفی عوامل خونی مورد بررسی در نقطه‌ی برش تعیین شده ۹۷
جدول ۴-۱۱- ضریب همبستگی اسپیرمن بین هورمون‌های مورد مطالعه در دو گروه زنان مبتلا و غیرمبتلا به PCOS 99
جدول ۴-۱۲- ضریب همبستگی اسپیرمن بین عوامل خونی مورد مطالعه در دو گروه زنان مبتلا و غیرمبتلا به PCOS 98
جدول ۴-۱۳- ضریب همبستگی اسپیرمن بین عوامل خونی و هورمون‌های مورد مطالعه در دو گروه زنان مبتلا و غیر مبتلا به PCOS 100
فهرست نمودارها
عنوان صفحه
نمودار ۴-۱- مقایسه‌ی هورمون LH زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۳
نمودار ۴-۲- مقایسه‌ی هورمون FSH زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۴
نمودار ۴-۳- مقایسه‌ی نسبت LH/FSH زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۴
نمودار ۴-۴- مقایسه‌ی هورمون تستوسترون زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۴
نمودار ۴-۵- مقایسه‌ی هورمون DHEA-S زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۵
نمودار ۴-۶- مقایسه‌ی هورمون پرولاکتین زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۵
نمودار ۴-۷- مقایسه‌ی هورمون آندروستندیون زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۵
نمودار ۴-۸- مقایسه‌ی هورمون پروژسترون زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۶
نمودار ۴-۹- مقایسه‌ی هورمون استروژن زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۶
نمودار ۴-۱۰- مقایسه‌ی هورمون TSH زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۶
نمودار ۴-۱۱- مقایسه‌ی گلوکز زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۷
نمودار ۴-۱۲- مقایسه‌ی کلسترول زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۸
نمودار ۴-۱۳- مقایسه‌ی LDL زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۸
نمودار ۴-۱۴- مقایسه‌ی HDL زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۸
نمودار ۴-۱۵- مقایسه‌ی تری‌گلیسرید زنان گروه PCOS و کنترل با بهره گرفتن از نمودار جعبه‌ای ۸۹
نمودار ۴-۱۶- مقایسه عوامل بالینی درزنان مبتلا و غیرمبتلا به PCOS 90
نمودار ۴-۱۷- منحنی مشخصه‌ی عملکرد (ROC) در نقاط برش مختلف هورمون‌های مورد مطالعه در دو گروه زنان مبتلا و غیرمبتلا به PCOS 94
نمودار ۴-۱۷- ادامه ۹۵
نمودار ۴-۱۸- منحنی مشخصه‌ی عملکرد (ROC) در نقاط برش مختلف عوامل خونی مورد مطالعه در دو گروه زنان مبتلا و غیرمبتلا به PCOS 98
نمودار ۴-۱۸- ادامه ۹۸
فهرست شکل‌ها
عنوان صفحه
شکل ۲-۱- برش عرضی تخمدان (برگرفته از Chedumbarum Pillay, 2009) 12
شکل ۲-۲- تصویر سونوگرافی یک تخمدان پلی‌کیستیک (برگرفته از Koivunen, 2001) 38
شکل ۲-۳- مسیرهای ساخته شدن استروئیدها در فولیکول انترال تخمدان بر اساس دو گنادوتروپین (برگرفته از Koivunen, 2001) 42
شکل ۲-۴- تاریخچه‌ طبیعی زنان با PCOS (برگرفته از Koivunen, 2001) 54
چکیده
سندرم تخمدان پلی‌کیستیک (PCOS)، شایع‌ترین بیماری مرتبط با عدم تخمک‌گذاری مزمن است و ۶-۴ درصد زنان را در سن باروری مبتلا می‌کند. PCOS یک اختلال اندوکرین اختصاصی یا مجزا با علت یا پاتوفیزیولوژی منحصر به فرد نمی‌باشد، بلکه در پاتوفیزیولوژی آن، عوامل ژنتیکی و محیطی در تعامل و ترکیب با یکدیگر می‌باشند. در واقع، به این اختلال می‌توان به عنوان مسیر نهایی مشترک در عدم تخمک‌گذاری نگاه کرد. هیرسوتیسم، آکنه، افزایش غیر طبیعی استروئیدوژنز تخمدانی و آدرنال که نشانه‌ای از هیپرآندروژنیسم است، در بیماران PCOS دیده می‌شوند. همچنین مقاومت انسولینی و سندرم متابولیک می‌توانند در این بیماران زمینه‌سازی برای بروز بیماری‌های قلبی- عروقی باشد.