۱۳۹۱/۶/۱۱، جلد ۸، شماره ۲، صفحات ۱۳-۱۹

عنوان فارسی ارزيابی متغيرهای پيش‌آگهی در رده‌بندی نرخ بقای بيماران مبتلا به سرطان کولورکتال با استفاده از درخت تصميم
چکیده فارسی مقاله

مقدمه و اهداف: جستجو برای ارزيابی و تحليل فاکتورهاي مهم و موثر در بقای بيماران يکی از مباحث کليدی در مطالعات بالينی است. مدل درخت تصميم روش جديدی است که در تعيين فاکتورهای پيش آگهی بيماری و رده بندی بيمارن بر اساس زيرگروه‌هاي همگن استفاده می‌شود. در اين روش انتخاب رده‌ها برحسب مهم‌ترين فاکتورهای پيش‌آگهي صورت می‌گيرد. هدف از اين مطالعه تحليل
داده‌های بقای بيماران مبتلا به سرطان کولورکتال با استفاده از درخت تصميم است.
روش کار: در اين مطالعه، از داده‌های 739 بيمار مبتلا به سرطان کولورکتال استفاده شده است. اين داده‌ها در مرکز تحقيقات بيماری‌های گوارش و کبد دانشگاه علوم پزشکی شهيد بهشتي ثبت شده‌اند. داده‌ها شامل اطلاعات دموگرافی و هيستوپاتولوژيک هستند. پيشامد مورد نظر در اين مطالعه مرگ بيماران است و زمان بقای بيماران از زمان تشخيص بيماری تا وقوع پيشامد (يا سانسور شدن) است که بر حسب ماه اندازه‌گيری شده است. برای تحليل داده‌ها و رده‌بندي بيماران از مدل درخت تصميم استفاده شد.
نتايج: مدل درخت تصميم متغيرهای مرحله سرطان در زمان تشخيص (بر حسب TNM)، سن بيمار در زمان تشخيص، متغير نوع مورفولوژی تومور و درجه سرطان را در سطح معناداري (05/0P<) به عنوان فاکتورهای پيش‌آگهی مهم در بقای بيماران مبتلا به سرطان کولورکتال نشان داد. همچنين بيماران بر حسب اين فاکتورها به پنج زيرگروه همگن رده‌بندی شدند. مقادير بزرگتر از 1 معيار اندازه اختلاف (measure of separation) (SEP)، مناسبت مدل را تائيد می‌کند.
نتيجه‌گيری: مدل درخت تصميم علاوه بر ارزيابی فاکتورهاي پيش‌آگهی بيماری، روشی مناسب و قدرتمند در رده‌بندی نرخ بقای بيماران است.

کلیدواژه‌های فارسی مقاله درخت تصمیم،تحلیل بقا،فاکتورهای پیش‌آگهی،رده‌بندی بقا،سرطان کولورکتال

عنوان انگلیسی Evaluation of Prognostic Variables  for Classifying the Survival In Colorectal Patients using The Decision Tree
چکیده انگلیسی مقاله

Background & Objectives: Identifying the important influential factors is a great challenge in oncology studies. Decision tree is one of methods that could be used to evaluate the prognostic factors and classifying the patients' homogeneously. This method identifies the main prognostic factors and then determines the subgroups of patients based on those prognostic factors. The aim of this study was to assess the prognostic factors and homogeneous subgroups of colorectal patient through survival tree.
Methods: Data collected from an observational of 739 colorectal patients registered in the cancer registry affiliated to the center of Research Center of Gastroenterology and Liver Disease (RCGLD), Shahid Beheshti Medical University, Tehran, Iran. Death was the interested event and the survival time was calculated from date of diagnosis until occurrence of event (or censoring) in months. Finally we used decision tree based method for classifying and analyzing the data.
Results: Based on our result, decision tree identified four covariates as important prognostic factors in 0.05 significant levels: general stage of cancer, age of diagnosis, histology of tumor and morphology type of tumor. Also patients based on these prognostic factors divided into five homogeneous subgroups. The greater values of measure of separation (SEP) criterion support the appropriateness of this model for such the data.
Conclusion: Decision tree is powerful and intuitive method. It has a key feature that is in addition to evaluate the prognostic factors, provides the homogeneous subgroups for future analysis.

کلیدواژه‌های انگلیسی مقاله Decision tree,Survival analysis,Prognostic factors,Homogeneous subgroups,Colorectal cancer

نویسندگان مقاله 8316---8317---8318---

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-25-4&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده General
نوع مقاله منتشر شده Research
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات