این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشگاه علوم پزشکی خراسان شمالی، جلد ۳، شماره ۵، صفحات ۵۳-۶۴

عنوان فارسی تحلیل داده‌های بقای بیماران سرطان پستان، با مدل خطرهای متناسب کاکس برای سانسور وابسته بر اساس تابع مفصل
چکیده فارسی مقاله چکیده زمینه و هدف: در مدل رایج خطرهای متناسب کاکس یکی از فرضیات اساسی برقراری فرض استقلال میان زمان سانسور و زمان پیشامد می‌باشد. در مطالعات بالینی زمانی که سانسور به دلایلی همچون خروج فرد از مطالعه یا خطر رقابتی رخ می دهد همواره نگرانی در خصوص اعتبار نتایج مبتنی بر فرض استقلال سانسورها وجود دارد. ارائه راهکاری جهت بررسی فرض استقلال و نیز تعمیم مدل خطرهای متناسب کاکس در حالت عدم برقراری فرض استقلال مفید می‌باشد. مواد و روش کار: برای رسیدن به این هدف به معرفی تعمیمی از مدل خطرهای متناسب کاکس با استفاده از تابع مفصل می-پردازیم. این مدل امکان انجام آنالیز حساسیت، جهت بررسی فرض استقلال را فراهم می‌نماید. تعمیم تابع درستنمایی و برآورد پارامترها با یک روش عددی با استفاده از نرم‌افزار R انجام شد. در ادامه با استفاده از این مدل، برقراری فرض استقلال زمان سانسور و پیشامد در مجموعه داده‌های مربوط به بیماران دارای سرطان پستان که طی سال‌های 1380 تا 1388جهت درمان به بخش آنکولوژی بیمارستان‌های قائم (عج) و امید مراجعه نموده بودند مورد بررسی قرار گرفت. یافته‌ها: با استفاده از شبیه‌سازی ابتدا مناسب بودن مدل ارائه شده اثبات گردید سپس تاثیرات عدم برقراری فرض استقلال بین زمان سانسور و پیشامد بر روی برآورد پارامترها بررسی گردید. در مجموعه داده‌های واقعی برقراری فرض استقلال مورد تایید قرار گرفت. نتیجه گیری:عدم برقراری فرض استقلال می‌تواند باعث نتایج اریب در مدل خطرهای متناسب کاکس گردد که میزان اریبی با میزان وابستگی میان سانسور و پیشامد ارتباط مستقیم دارد. در مجموعه داده‌های مربوط به بیماران دارای سرطان پستان مشخص گردید که تشخیص بیماری در مراحل اولیه نقش مهمی در موفقیت درمان و عدم عود بیماری‌دارد
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی Analysis of survival data of patients with breast cancer with Cox proportional hazards model for dependent censoring based on copula function
چکیده انگلیسی مقاله Abstract Background & objectives: In the common Cox proportional hazards model one of the basic assumptions is independence between censoring time and event time. In clinical studies, when censoring is caused by competing risks or patient withdrawal, there is always a concern about the validity of treatment effect estimates that are obtained under the assumption of independent censoring. Introduction a solution for checking the assumption of independent and extending the Cox model for dependent censoring is useful. Material &Methods: To achieve this goal, we use copula function and extend the Cox model. This model can also perform a sensitivity analysis for checking the assumption of independent. We generalize the likelihood function in R software and estimate the parameters by using a iteration algorithm. We apply the proposed method to the data of breast cancer patients at Ghaem and Omid hospitals and check the independence assumption. Results: We show by Simulation that this algorithm works well and show the effect of dependent censoring on estimated parameters. We apply the proposed method to the data of breast cancer patients at Ghaem and Omid hospitals and show that the independence assumption is true. Conclusion: Not assumption of independence causes bias in estimation in Cox model and the bias is dependent on the degree of association between event and censoring times. In dataset of breast cancer patients the primary diagnosis is an important role in Success in the treatment.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله محمدتقی شاکری | mt shakeri


وحید قوامی قنبرآبادی | v ghavami ghanbarabadi


حبیب اله اسماعیلی | h esmaeili


هادی جباری نوقابی | h gabbari noghabi


فاطمه همایی شاندیز | f homaei shandiz


حسین باغیشنی | h baghishani



نشانی اینترنتی http://journal.nkums.ac.ir/browse.php?a_code=A-10-25-229&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/192/article-192-320425.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده علوم پایه
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات