این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله اپیدمیولوژی ایران، جلد ۹، شماره ۲، صفحات ۵۰-۵۸
عنوان فارسی استفاده از مدل چندجمله‌ای کسری در تعیین عوامل مرتبط با بقای بیماران مبتلا به سرطان معده
چکیده فارسی مقاله مقدمه و هدف: یکی از روش‌های آماری تحلیل داده‌های بقا، مدل رگرسیونی کاکس است. استفاده از تکنیک‌های هموارسازی در مدل کاکس باعث برآورد دقیق‌تر برای پارامترها می‌شود. یکی از تکنیک‌های هموارسازی در مدل کاکس استفاده از مدل چندجمله‌ای کسری است. این مطالعه به منظور تحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده، با استفاده از دو مدل خطرات متناسب کاکس و چند‌جمله‌ای کسری در مدل کاکس انجام شده‌است. روش کار: در یک مطالعه گذشته‌نگر طی سال‌های 1382 تا 1387، 216 بیمار مراجعه‌کننده با تشخیص قطعی سرطان معده که در بخش سرطان بیمارستان طالقانی تهران تحت عمل جراحی قرار گرفتند، بررسی شدند. در این مطالعه به‌ منظور تحلیل عوامل مرتبط با بقای این بیماران، مدل‌های چندجمله‌ای کسری در کاکس و خطرات متناسب کاکس برازش و نتایج و کارآیی آن‌ها توسط ملاک آکاییکه با یکدیگر مقایسه شدند. نتایج: نتایج حاصل از تحلیل مدل خطرات متناسب کاکس و چندجمله‌ای کسری نشان داد که سن هنگام تشخیص و اندازه تومور با طول عمر بیماران ارتباطی معنی‌دار داشتند (P< 0/05) و ملاک آکاییکه در هر دو مدل برابر بود. نتیجه‌گیری: در مطالعه حاضر، کارآیی دو مدل‌ خطرات متناسب کاکس و چندجمله‌ای کسری یکسان شد. در نتیجه با این‌ که استفاده از روش‌های هموارسازی برای از بین بردن آثار غیرخطی متغیرهای کمکی تأثیرگذار است، ولی مدل خطرات متناسب کاکس به دلیل راحتی تفسیر نتایج در داده‌های پزشکی و محدود نبودن در استفاده از انواع متغیرهای کمکی، مناسب‌تر است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of Fractional Polynomial Model for Determining Prognostic Factors Associated with Survival of Patients with Gastric Cancer
چکیده انگلیسی مقاله Background & Objectives: Cox regression model is one of the statistical methods in survival analysis. The use of smoothing techniques in Cox model makes the more accurate estimates for the parameters. Fractional polynomial is one of these techniques in Cox model. The aim of this study was to assess the effects of prognostic factors on survival of patients with gastric cancer using the fractional polynomial in Cox model and Cox proportional hazards. Methods: Information of total of 216 patients with gastric cancer who underwent surgery in the gastroenterology ward of Taleghani Hospital in Tehran between 2003 and 2008 were included in this retrospective study. In this research, fractional polynomial in Cox model and Cox proportional hazards model were utilized for determining the effects of prognostic factors on patients’ survival time with gastric cancer. The SPSS version 18.0 and R version 2.14.1 were used for data analysis. These models were compared with Akaike information criterion. Results: The analysis of Cox proportional hazards and fractional polynomial models resulted in age at diagnosis and tumor size as prognostic factors on survival time of patients with gastric cancer independently (P< 0.05). Also, Akaike information criterion was equal in both models. Conclusion: In the present study, the Cox proportional hazards and fractional polynomial models led to similar results with equal Akaike information criterions. Using of smoothing methods helped us eliminate non-linear effects but it seemed more appropriate to use Cox proportional hazards model in medical data because of its’ ease of interpretation and capability of modeling in both continuous and discrete covariates.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله هدی نور کجوری | h noorkojuri
department of biostatistics, tarbiat modares university, tehran, iran
دانشجوی کارشناسی ارشد آمار زیستی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

ابراهیم حاجی زاده | e hajizadeh
department of biostatistics, tarbiat modares university, tehran, iran
تهران، جلال آل احمد، پل نصر، دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

احمد رضا باغستانی | ar baghestani
department of biostatistics, faculty of paramedical sciences, shahid beheshti university of medical sciences, tehran, iran
استادیار گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

محمد امین پورحسینقلی | ma pourhoseingholi
department of biostatistics, gastroenterology and liver diseases research center, shahid beheshti university of medical sciences, tehran, iran
استادیار، گروه آمار زیستی، مرکز تحقیقات بیماری های گوارش و کبد، دانشگاه علوم پزشکی شهید بهشتی
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5030&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 عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات