مقایسه کارایی مدل مخاطرات متناسب کاکس و مدل های شکست شتابدار در تعیین عوامل موثر بر بقا بیماران سرطان معده

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 68

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JMUMS-33-2_019

تاریخ نمایه سازی: 19 آذر 1402

چکیده مقاله:

سابقه و هدف: سرطان معده یک بیماری چند عاملی است که ممکن است، عوامل زیادی از جمله عوامل محیطی و ژنتیکی بر بروز آن تاثیر بگذارد. از این رو بررسی و شناخت عوامل پیش آگهی کننده در بقا این بیماری حائز اهمیت می باشد. این مطالعه با هدف، بررسی عوامل موثر بر بقا سرطان معده به روش مدل مخاطرات متناسب کاکس و مدل های شکست شتابدار و در نهایت برازش بهترین مدل از بین این مدل ها، انجام پذیرفت. مواد و روش ها: این پژوهش یک مطالعه از نوع کوهورت تاریخی، بر روی ۱۹۳ نفر از بیماران سرطان معده استان مازندران طی سال های ۱۳۹۱ تا ۱۴۰۰ می باشد. داده هایی از قبیل اطلاعات دموگرافیک، بالینی و درمانی بیماران جمع آوری شد. برای بررسی پیش فرض تناسب خطرات از آزمون شوئنفلد (Schoenfeld) و برای ارزیابی کفایت مدل از باقیمانده های کاکس اسنل (Cox-Snell) استفاده شد. داده ها در نرم افزار STATA ورژن ۱۴، تجزیه و تحلیل شدند. متغیرهای با سطح معنی داری کم تر از ۰/۲۵۰در آنالیز تک متغیره، وارد آنالیز چند متغیره شدند. یافته ها: از ۱۹۳ بیمار سرطان معده، ۲۶ نفر (۱۳/۵درصد) موارد سنسور شده بودند. میانه زمان بقا برای مردان و زنان به ترتیب برابر (۱۰/۵۱-۵/۶۲) ۸/۰۶ و (۱۷/۷۴-۱/۱۳) ۹/۴۳ماه  بود. براساس معیار اطلاع آکائیک و باقیمانده های کاکس اسنل، مدل لگ لجستیک به عنوان مدل بهینه انتخاب شد. نتایج مدل لگ لجستیک نشان داد که متغیرهای شاخص توده بدنی (۰/۰۰۳P=) و از نظر نوع درمان نیز درمان ترکیبی شیمی درمانی و جراحی، نسبت به جراحی (۰/۰۲۸P=) و سه نوع درمان ترکیبی رادیوتراپی، شیمی درمانی و جراحی نسبت به جراحی (۰/۰۲۰P=) و بیماری کلیوی (۰/۰۱۴P=) از جمله عوامل موثر بر بقا بیماران سرطان معده بودند. استنتاج: طبق معیار اطلاع اکائیک (AIC) مدل لگ لجستیک به عنوان مدل بهینه انتخاب شد و با توجه به نتایج مدل لگ لجستیک، متغیرهای شاخص توده بدنی، نوع درمان و بیماری کلیوی متغیرهای تاثیر گذار در بقا سرطان معده شناخته شدند.

کلیدواژه ها:

نویسندگان

عقیل ملایی

MSc Student in Biostatistics, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran

سید نورالدین موسوی نسب

Associate Professor, Department of Biostatistics, Health Sciences Research Center, Mazandaran University of Medical Sciences, Sari, Iran

جمشید یزدانی چراتی

Professor, Department of Biostatistics, Health Sciences Research Center, Mazandaran University of Medical Sciences, Sari, Iran

محمد اسلامی جویباری

Assistant Professor, Department of Internal Medicine, Sari Imam Khomeini Hospital, Cancer Research Center, Mazandaran University of Medical Sciences, Sari, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Yusefi AR, Bagheri Lankarani K, Bastani P, Radinmanesh M, Kavosi ...
  • Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, ...
  • Ferlay J, Ervik M, Lam F, Colombet M, Mery L, ...
  • Ang TL, Fock KM. Clinical epidemiology of gastric cancer. Singapore ...
  • Ferlay J, Shin HR, Bray F, Forman D, Mathers C, ...
  • Nikaeen R, Khalilian A, Bahrampour A. Determining the Effective Factors ...
  • Health Commission Of The People's Republic Of China N. National ...
  • Bowrey D, Griffin S, Wayman J, Karat D, Hayes N, ...
  • Maconi G, Kurihara H, Panizzo V, Russo A, Cristaldi M, ...
  • Stephens M, Lewis W, White S, Blackshaw G, Edwards P, ...
  • Zare A, Hosseini M, Mahmoodi M, Mohammad K, Zeraati H, ...
  • Zhang XY, Zhang PY. Gastric cancer: somatic genetics as a ...
  • Deo SV, Deo V, Sundaram V. Survival analysis-part ۲: Cox ...
  • Rajaeefard A, Moghimi Dehkordi B, Tabatabaee HR, Zeighami B, Safaee ...
  • Kong L, Cai J. Case–cohort analysis with accelerated failure time ...
  • Swindell WR. Accelerated failure time models provide a useful statistical ...
  • Cox DR, Oakes D. Analysis of survival data. New York: ...
  • Wei L-J. The accelerated failure time model: a useful alternative ...
  • Akaike H. A new look at the statistical model identification ...
  • Diyali B, Kumar D, Singh S. Discriminating between log-normal and ...
  • Ibrahim A, Kalaf BA. Estimation of the survival function based ...
  • Ali Z, Mostafa H, Mahmood M, Kazem M, Hojjat Z, ...
  • Nikpour A, Charati J, Maleki I, Ranjbaran H, Khalilian A. ...
  • Folorunso S, Osanyintupin O. Comparison of Cox Proportional Hazard Model ...
  • Pourhoseingholi MA, Fazeli Z, Ashtari S, Bavand-Pour FSF. Mortality trends ...
  • Seo HS, Lee GE, Kang MG, Han KH, Jung ES, ...
  • Yazdani Charati J, Janbabaei G, Alipour N, Mohammadi S, Ghorbani ...
  • Ghorbani Gholiabad S, Yazdani Charati J, Jan Babaie G. Evaluation ...
  • Lin X-J, Wang C-P, Liu X-D, Yan K-K, Li S, ...
  • Yang P, Zhou Y, Chen B, Wan H-W, Jia G-Q, ...
  • Abnet CC, Freedman ND, Hollenbeck AR, Fraumeni JF, Leitzmann M, ...
  • Kulig J, Sierzega M, Kolodziejczyk P, Dadan J, Drews M, ...
  • Liu X, Qiu H, Kong P, Zhou Z, Sun X. ...
  • Cheng Y-X, Tao W, Liu X-Y, Zhang H, Yuan C, ...
  • Sakurai K, Kubo N, Tamamori Y, Aomatsu N, Nishii T, ...
  • نمایش کامل مراجع