این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله اپیدمیولوژی ایران، جلد ۳، شماره ۱، صفحات ۲۵-۲۹
عنوان فارسی مقایسه رگرسیون کاکس و مدل های پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده
چکیده فارسی مقاله مقدمه و اهداف: در بسیاری از تحقیقات پزشکی، با هدف بررسی توزیع بقای بیماران سرطانی براساس گروه‌بندی‌های دموگرافیک و کلینیکی از رگرسیون کاکس استفاده می‌شود حال آن‌که مدل‌های پارامتریک در برخی شرایط می‌توانند جایگزین مناسبی باشند. هدف از مطالعه حاضر مقایسه کارایی رگرسیون کاکس و مدل‌های پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده تحت مداوا در بخش گوارش بیمارستان طالقانی تهران است روش کار: این تحقیق یک مطالعه گذشته‌نگر بود که از طریق مراجعه به پرونده بیماران مبتلا به سرطان معده که از تاریخ بهمن 1381 لغایت دی 1385 در بخش گوارش بیمارستان طالقانی تهران تحت درمان بودند و از طریق تماس تلفنی، اطلاعات مربوط به بقای بیماران جمع‌آوری شد و مجموعاً اطلاعات 746 بیمار به مطالعه وارد شدند. برای بررسی عوامل مؤثر بر بقای بیماران از رگرسیون کاکس و مدل‌های پارامتریک شامل وایبل، نمایی و لگ نرمال استفاده شد و معیار مقایسه کارایی مدل‌ها ملاک آکائیکه بود. کلیه محاسبات با نرم افزار SAS انجام و سطح معنی‌داری 05/0 در نظر گرفته شد.نتایج: نتایج حاصل نشان داد میزان بقا برای بیماران در گروه سنی زیر 35 سال، بیمارانی با تومورهای کوچک و بیمارانی که هنوز دچار متاستاز نشده بودند به طور معنی‌داری بالاتر است (05/0P<) هم‌چنین طبق ملاک آکائیکه، کارایی کاکس و مدل نمایی در آنالیز چند متغیری مشابه بودند اما در آنالیز تک متغیری، جز در مدل مربوط به تحلیل اثر اندازه تومور، مدل‌های پارامتریک از مدل کاکس کارایی بهتری داشتند و در میان آن‌ها مدل لگ نرمال از همه مناسب‌تر به نظر می‌رسید.نتیجه گیری: مدل کاکس و مدل نمایی در آنالیز چند متغیری مشابه بودند و اگر چه در آنالیز تک متغیری یک مدل مشخص به عنوان کاراترین مدل به دست نیامد اما نتایج نشان داد مدل لگ نرمال در میان مدل‌های پارامتریک بهترین برازش را دارد و می‌تواند به عنوان جایگزین کاکس در تحلیل بقای بیماران 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 محمدامین پورحسینقلی | ma pourhoseingholi
phd candidate in biostatistics, research centre of gastroenterology and liver disease, shaheed behes
دانشجوی دکتری آمار زیستی، مرکز تحقیقات بیماری های گوارش و کبد، دانشگاه علوم پزشکی شهید بهشتی، تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

ابراهیم حاجی زاده | e hajizadeh
associate professor, department of biostatistics, tarbiat modares university, tehran
دانشیار، گروه آمار زیستی، دانشگاه تربیت مدرس، تهران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

علیرضا ابدی | a abadi
assistant professor, department of biostatistics shaheed beheshti university of medical sciences, te
استادیار، گروه آمار زیستی، دانشگاه علوم پزشکی شهید بهشتی، تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

آزاده صفایی | a safaee
research center of gastroenterology and liver diseases, shaheed beheshti university of medical scien
کارشناس ارشد، مرکز تحقیقات بیماری های گوارش و کبد، دانشگاه علوم پزشکی شهید بهشتی، تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

بیژن مقیمی دهکردی | b moghimi dehkordi
research center of gastroenterology and liver diseases, shaheed beheshti university of medical scien
کارشناس ارشد، مرکز تحقیقات بیماری های گوارش و کبد، دانشگاه علوم پزشکی شهید بهشتی، تهران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

محمد رضا زالی | mr zali
facg, research center of gastroenterology and liver diseases, shaheed beheshti university of medical
فوق تخصص گوارش، مرکز تحقیقات بیماری های گوارش و کبد، دانشگاه علوم پزشکی شهید بهشتی، تهران
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-10-25-168&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 عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات