fa مقایسه مدل‌های بقای شفایافته آمیخته وایبل، گاما، لگ نرمال و لگ لجستیک در تحلیل بقاء بیمارانی که دیالیز صفاقی سرپایی مداوم (CAPD) می‌شوند  عمومى General پژوهشي Research <p dir="rtl"><!--stripped--> Normal 0 false false false EN-US X-NONE AR-SA <!--stripped--><!--stripped--> <!--stripped--><!--stripped--> <style> /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal" mso-tstyle-rowband-size:0 mso-tstyle-colband-size:0 mso-style-noshow:yes mso-style-priority:99 mso-style-qformat:yes mso-style-parent:"" mso-padding-alt:0cm 5.4pt 0cm 5.4pt mso-para-margin:0cm mso-para-margin-bottom:.0001pt mso-pagination:widow-orphan font-size:11.0pt font-family:"Calibri","sans-serif" mso-ascii-font-family:Calibri mso-ascii-theme-font:minor-latin mso-fareast-font-family:"Times New Roman" mso-fareast-theme-font:minor-fareast mso-hansi-font-family:Calibri mso-hansi-theme-font:minor-latin mso-bidi-font-family:Arial mso-bidi-theme-font:minor-bidi} </style> <!--stripped--> <strong>مقدمه و اهداف:</strong> دیالیز صفاقی یکی از شایع‌ترین روش‌های دیالیز است که در بیماران مبتلا به بیماری نارسایی کلیه انجام می‌شود. اغلب مطالعات عوامل موثر بر بقا را با استفاده از آزمون لگ- رتبه‌ای و روش کاکس بررسی کرده‌اند. در این مطالعه امکان استفاده از مدل شفایافته در تحلیل بقا این بیماران را بررسی کرده، و کارایی مدل‌های بقا شفایافته آمیخته وایبل، گاما، لگ نرمال و لجستیک مقایسه می‌شود.<br> <strong>روش کار</strong>: تعداد 433 بیمار از بیمارستان‌های شفا و شریعتی که طی سال‌های 1376 لغایت 1388، به صورت همگروهی گذشته نگر وارد مطالعه شدند. اثر متغیر‌های جنس، سن، مرکز درمانی، کلسترول، LDL، HDL، تری گلیسرید، آلبومین، هموگلوبین، کراتینین، FBS، کلسیم و فسفر بررسی شد. از نرم افزارSTATA (11.0)  و زیربرنامه CUREREGR جهت تحلیل استفاده شد.<br> <strong>نتایج:</strong> شاخص آکائیک برای مدل وایبل برای تمام متغیرها کمتر از سایر مدل‌ها می‌باشد. در مدل چند متغیره، سن و آلبومین روی بقا بلند مدت بیماران اثر معنی‌داری داشتند (01/0>P). اثر تری گلیسرید روی بقای بلند مدت در مرز معنی‌داری قرار داشت (065/0=P).  همچنین اثرHDL, FBS  و کلسیم روی بقاء کوتاه مدت معنی‌دار بود (01/0>P). ولی LDL در مرز معنی‌داری قرار داشت (088/0=P).<br> <strong>نتیجه‌گیری</strong>: مدل‌های شفایافته می‌تواند در شرایط مناسب برای تحلیل بقا بیماران دیالیزی به کار روند و بقای بلند مدت بیماران را از بقای کوتاه مدت جدا کنند. این ابزار آماری می‌تواند تفسیر ظریف‌تر و دقیق‌تر از آنچه که در داده‌های بقا وجود دارد، ارائه کند.</p> </style> <!--stripped--> <strong>Background & Objectives:</strong> Peritoneal dialysis is one of the most common types of dialysis in patients with renal failure. However multivariate analysis such as log- rank test and Cox have usually used to evaluate association of risk factors in survival of this group of patients, the aim of this study was to perform of Weibull, Gamma, Lognormal and Logistic Mixture cure models in survival analysis of these patients.<br> <strong>Methods</strong>: Data of 433 patients undergoing CAPD who registered in two centers in Tehran, Iran between 1997 to 2009 were used in this analysis. We investigated center, gender, age, cholesterol, Low Density Lipoprotein (LDL), High density lipoprotein (HDL), triglyceride, albumin, hemoglobin, creatinine, Fasting Blood Sugar (FBS), calcium and phosphorous as variables effect with Kaplan-Meier and cure model. CUREREGR module was used for survival analysis.<br> <strong>Results</strong>: Comparison of AIC (Akaike Information Criterion) of Weibull, Gama, Lognormal and Logistic Mixture cure models showed that Weibull distribution AIC is lower for almost all variables than other distributions. Weibull distribution has better fitness for data than others. In the multivariate Weibull model, age and albumin variables had significant effect on long-term survival of patients (P<0.01). Triglycerides effect on long-term survival had borderline (P = 0.065). Also HDL, FBS and calcium were significant on short term survival (P<0.01) but significance of LDL was borderline (P=0.088).<br> <strong>Conclusion:</strong> Cure models have the ability to analyze dialysis patients' survival data and can differentiate long-term survival from short- term survival. The interpretation of survival data with these statistical models could be more accurate and would help to make better prediction for patients by health care professionals.</p> مدل‌های بقای شفایافته آمیخته,دیالیز صفاقی سرپایی مداوم,تحلیل بقاء,نسبت شفایافتگی Mixture cure models,CAPD,Survival analysis,Cure fraction 29 38 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-6&slc_lang=fa&sid=1 AA Akhlaghi علی اصغر اخلاقی No دانشجوی کارشناسی ارشد آمار زیستی، گروه اپیدمیولوژی وآمار زیستِی ،دانشکده بهداشت، دانشگاه علوم پزشکی تهران M Hosseini مصطفی حسینی mhossein110@yahoo.com Yes استاد، گروه اپیدمیولوژی وآمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکِی تهران M Mahmoodi محمود محمودی No استاد، گروه اپیدمیولوژی وآمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران M Shamsipour منصور شمسی پور No دانشجوی دکتری اپیدمیولوژی، پژوهشگاه رویان جهاد دانشگاهی، مرکز تحقیقات اپیدمیولوژی باروری E Najafi ایرج نجفی No استادیار، فوق تخصص نفرولوژی، بیمارستان شریعتی، دانشگاه علوم پزشکی تهران