این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پزشکی بالینی ابن سینا، جلد ۲۲، شماره ۴، صفحات ۳۰۰-۳۰۸
عنوان فارسی مقایسه عملکرد مدل کاکس و روش K ـ نزدیکترین همسایگی در تخمین بقای بیماران پیوند کلیه
چکیده فارسی مقاله مقدمه و هدف: روش رایج در برآورد بقا، مدل کاکس است که اعتبار نتایج آن، به پذیره مخاطرات متناسب وابسته است. روش k- نزدیکترین همسایگی یک روش ناپارامتری برای احتمالات بقا در جوامع ناهمگن می­باشد. هدف این مطالعه مقایسه کارایی مدل کاکس و روش k- نزدیکترین همسایگی (KNN) است. روش کار: این مطالعه کوهورت گذشته­نگر بر روی 475 بیمار دریافت کننده پیوند کلیه طی سال­های 1390-1373 شهر همدان می­باشد. اطلاعات از پرونده­های پزشکی بیماران استخراج شد. مدت زمان بین پیوند کلیه و رد برگشت ناپذیر پیوند به عنوان پاسخ در نظر گرفته شد. برای مدل­سازی داده­ها، از مدل کاکس و روش KNN و برای مقایسه کارایی مدل­ها از خطای پیش­بینی نمره بری­یر استفاده شد. نتایج: از 475 گیرنده پیوند، 55 نفر (11.50%) رد پیوند داشتند. میزان بقای 5 ، 10 و 15 سال به ترتیب 91.70%، 84.90% و 74.50% بدست آمد. تعداد همسایگی بهینه با روش اعتبار سنجی متقاطع برابر 45 بدست آمد. نمره بری­یر برای الگوریتم KNN در زمان­های 5، 10 و 15 سال 0.003، 0.006 و 0.007 و برای مدل کاکس به ترتیب 0.036، 0.058 و 0.069 بدست آمد. روش KNN با تعداد همسایگی 45 خطای پیش­بینی کمتری در زمان­های 5، 10 و 15 سال نسبت به مدل کاکس دارد که نشان می­دهد این روش عملکرد بهتری دارد. نتیجه نهایی: نتیجه این مطالعه نشان می­دهد که پیش­بینی روش KNN نسبت به مدل کاکس زمانی که حجم نمونه بالا و تعداد متغیر­های پیشگو زیاد است، دقت بالاتری دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of Cox Model and K-Nearest Neighbor to Estimation of Survival in Kidney Transplant Patients
چکیده انگلیسی مقاله Introduction & Objective: Cox model is a common method to estimate survival and validity of the results is dependent on the proportional hazards assumption. K- Nearest neighbor is a nonparametric method for survival probability in heterogeneous communities. The purpose of this study was to compare the performance of k- nearest neighbor method (K-NN) with Cox model. Materials & Methods: This retrospective cohort study was conducted in Hamadan Province, on 475 patients who had undergone kidney transplantation from 1994 to 2011. Data were extracted from patients’ medical records using a checklist. The duration of the time between kidney transplantation and rejection was considered as the surviv­al time. Cox model and k- nearest neighbor method were used for Data modeling. The prediction error Brier score was used to compare the performance models. Results: Out of 475 transplantations, 55 episodes of rejection occurred. 5, 10 and 15 year survival rates of transplantation were 91.70 %, 84.90% and 74.50%, respectively. The number of neighborhood optimized using cross validation method was 45. Cumulative Brier score of k-NN algorithm for t=5, 10 and 15 years were 0.003, 0.006 and 0.007, respectively. Cumulative Brier of score Cox model for t=5, 10 and 15 years were 0.036, 0.058 and 0.058, respectively. Prediction error of k-NN algorithm for t=5, 10 and 15 years was less than Cox model that shows that the k-NN method outperforms. Conclusions: The results of this study show that the predictions of KNN has higher accuracy than the Cox model when sample sizes and the number of predictor variables are high.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله جواد فردمال | javad faradmal


طاهره امیدی | tahereh omidi


جلال پورالعجل | jalal pourolajal


قدرت اله روشنایی | ghodratollah roshanaei


نشانی اینترنتی http://sjh.umsha.ac.ir/browse.php?a_code=A-10-2-496&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 تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات