fa ارزیابی متغیرهای پیش‌آگهی در رده‌بندی نرخ بقای بیماران مبتلا به سرطان کولورکتال با استفاده از درخت تصمیم عمومى General پژوهشي Research </style> <!--stripped--> <strong>مقدمه و اهداف:</strong> جستجو برای ارزیابی و تحلیل فاکتورهای مهم و موثر در بقای بیماران یکی از مباحث کلیدی در مطالعات بالینی است. مدل درخت تصمیم روش جدیدی است که در تعیین فاکتورهای پیش آگهی بیماری و رده بندی بیمارن بر اساس زیرگروه‌های همگن استفاده می‌شود. در این روش انتخاب رده‌ها برحسب مهم‌ترین فاکتورهای پیش‌آگهی صورت می‌گیرد. هدف از این مطالعه تحلیل <br> داده‌های بقای بیماران مبتلا به سرطان کولورکتال با استفاده از درخت تصمیم است.<br> <strong>روش کار:</strong> در این مطالعه، از داده‌های 739 بیمار مبتلا به سرطان کولورکتال استفاده شده است. این داده‌ها در مرکز تحقیقات بیماری‌های گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی ثبت شده‌اند. داده‌ها شامل اطلاعات دموگرافی و هیستوپاتولوژیک هستند. پیشامد مورد نظر در این مطالعه مرگ بیماران است و زمان بقای بیماران از زمان تشخیص بیماری تا وقوع پیشامد (یا سانسور شدن) است که بر حسب ماه اندازه‌گیری شده است. برای تحلیل داده‌ها و رده‌بندی بیماران از مدل درخت تصمیم استفاده شد. <br> <strong>نتایج</strong>: مدل درخت تصمیم متغیرهای مرحله سرطان در زمان تشخیص (بر حسب TNM)، سن بیمار در زمان تشخیص، متغیر نوع مورفولوژی تومور و درجه سرطان را در سطح معناداری (05/0P<) به عنوان فاکتورهای پیش‌آگهی مهم در بقای بیماران مبتلا به سرطان کولورکتال نشان داد. همچنین بیماران بر حسب این فاکتورها به پنج زیرگروه همگن رده‌بندی شدند. مقادیر بزرگتر از 1 معیار اندازه اختلاف (measure of separation)(SEP)، مناسبت مدل را تائید می‌کند.<br> <strong>نتیجه‌گیری</strong>: مدل درخت تصمیم علاوه بر ارزیابی فاکتورهای پیش‌آگهی بیماری، روشی مناسب و قدرتمند در رده‌بندی نرخ بقای بیماران است.</p> </style> <!--stripped--> <strong>Background & Objectives:</strong> 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.<br> <strong>Methods: </strong>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.<br> <strong>Results: </strong>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.<br> <strong>Conclusion</strong>: 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.</p> درخت تصمیم,تحلیل بقا,فاکتورهای پیش‌آگهی,رده‌بندی بقا,سرطان کولورکتال Decision tree,Survival analysis,Prognostic factors,Homogeneous subgroups,Colorectal cancer 13 19 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-4&slc_lang=fa&sid=1 A Saki Malehi امل ساکی مالحی No دانشجوی دوره دکتری، گروه آمار زیستی، دانشگاه تربیت مدرس E Hajizadeh ابراهیم حاجی زاده hajizadeh@modares.ac.ir Yes دانشیار، گروه آمار زیستی، دانشگاه تربیت مدرس R Fatemi سیدرضا فاطمی No فوق تخصص گوارش و کبد، مرکز تحقیقات بیماری‌های گوارش و کبد، دانشگاه علوم پزشکی شهید بهشتی