۱۳۸۶/۶/۱۰، جلد ۳، شماره ۱، صفحات ۲۵-۲۹

عنوان فارسی مقايسه رگرسيون کاکس و مدل های پارامتريک در تحليل بقای بيماران مبتلا به سرطان معده
چکیده فارسی مقاله مقدمه و اهداف: در بسياری از تحقيقات پزشکی، با هدف بررسی توزيع بقای بيماران سرطانی براساس گروه‌بندی‌های دموگرافيک و کلينيکی از رگرسيون کاکس استفاده می‌شود حال آن‌که مدل‌های پارامتريک در برخی شرايط می‌توانند جايگزين مناسبی باشند. هدف از مطالعه حاضر مقايسه کارايی رگرسيون کاکس و مدل‌های پارامتريک در تحليل بقای بيماران مبتلا به سرطان معده تحت مداوا در بخش گوارش بيمارستان طالقانی تهران است
 روش کار: اين تحقيق يک مطالعه گذشته‌نگر بود که از طريق مراجعه به پرونده بيماران مبتلا به سرطان معده که از تاريخ بهمن 1381 لغايت دی 1385 در بخش گوارش بيمارستان طالقانی تهران تحت درمان بودند و از طريق تماس تلفنی، اطلاعات مربوط به بقای بيماران جمع‌آوری شد و مجموعاً اطلاعات 746 بيمار به مطالعه وارد شدند. برای بررسی عوامل مؤثر بر بقای بيماران از رگرسيون کاکس و مدل‌های پارامتريک شامل وايبل، نمايی و لگ نرمال استفاده شد و معيار مقايسه کارايی مدل‌ها ملاک آکائيکه بود. کليه محاسبات با نرم افزار SAS انجام و سطح معنی‌داری 05/0 در نظر گرفته شد.
نتايج: نتايج حاصل نشان داد ميزان بقا برای بيماران در گروه سنی زير 35 سال، بيمارانی با تومورهای کوچک و بيمارانی که هنوز دچار متاستاز نشده بودند به طور معنی‌داری بالاتر است (05/0P<) هم‌چنين طبق ملاک آکائيکه، کارايی کاکس و مدل نمايی در آناليز چند متغيری مشابه بودند اما در آناليز تک متغيری، جز در مدل مربوط به تحليل اثر اندازه تومور، مدل‌های پارامتريک از مدل کاکس کارايی بهتری داشتند و در ميان آن‌ها مدل لگ نرمال از همه مناسب‌تر به نظر می‌رسيد.
نتيجه گيری: مدل کاکس و مدل نمايی در آناليز چند متغيری مشابه بودند و اگر چه در آناليز تک متغيری يک مدل مشخص به عنوان کاراترين مدل به دست نيامد اما نتايج نشان داد مدل لگ نرمال در ميان مدل‌های پارامتريک بهترين برازش را دارد و می‌تواند به عنوان جايگزين کاکس در تحليل بقای بيماران سرطان معده به کار رود.

کلیدواژه‌های فارسی مقاله رگرسیون کاکس،مدل پارامتریک،ملاک آکائیکه،سرطان معده

عنوان انگلیسی Comparing Cox Regression and Parametric Models for Survival Analysis of Patients with Gastric Cancer
چکیده انگلیسی مقاله

Background & Objectives: Although Cox regression is commonly used to detect relationships between patient survival and demographic/clinical variables, there are situations where parametric models can yield more accurate results. The objective of this study was to compare two survival regression methods, namely Cox regression and parametric models, in patients with gastric carcinoma registered at Taleghani Hospital, Tehran.
Methods: Using data from 746 patients who had received care at Taleghani Hospital from February 2003 through January 2007, we compared survival rates between different patient groups with both parametric methods and Cox regression models. The former group included Weibull, exponential and log-normal regression; we used the Akaike Information Criterion (AIC) and standardized parameter estimates to compare the efficiency of various models. All the analyses were performed with the SAS software and the level of significance was set at P< 0.05.
Results: The results showed a significantly higher chance of survival in the following subgroups: those with age at diagnosis < 35 years, lower tumor size and those without metastases (P< 0.05). According to AIC, Cox and exponentials model are similar in multivariate analysis but in univariate analysis parametric models are more efficient than Cox, except in the case of tumor size. Log-normal appears to be the best model.
Conclusions: Cox and exponential models have similar performance in multivariate analysis. However, it seems that there is no single model that performs substantially better than others in univariate analysis. The data strongly supported the log-normal regression among parametric models; it can give more precise results and can be used as an alternative for Cox in survival analysis of patients with gastric cancer.

کلیدواژه‌های انگلیسی مقاله Cox,Parametric model,AIC,Gastric carcinoma

نویسندگان مقاله 9125---9126---9127---9128---9129---9130---

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-25-168&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