عنوان

به¬کارگیری مدل رگرسیون کاکس با داده¬های دو سو بریده در شناسایی عوامل موثر بر بقای بیماران مبتلا به سرطان ریه مراجعه کننده به بیمارستان دکتر مسیح دانشوری

۳۶۱۸پ

فارسی

به¬کارگیری مدل رگرسیون کاکس با داده¬های دو سو بریده در شناسایی عوامل موثر بر بقای بیماران مبتلا به سرطان ریه مراجعه کننده به بیمارستان دکتر مسیح دانشوری

[پایان نامه]

Application of Cox Regression Model with Doubly Truncated Data in Identifying the Factors Affecting the survival of Lung Cancer patients Referred to Masih Daneshvari Hospital

نیلوفر علیزاده کلاهدوزی

علوم توان بخشی و سلامت اجتماعیUniversity of Social Walfare and Rehabilitation

۱۴۰۰

۷۳ص.

پیوست

19

01

۱۴۰۰/۱۲/۰۱

مقدمه : سرطان ریه، سرطانی بسیار تهاجمی، به سرعت متاستاز دهنده و شایع است و البته کشنده¬ترین نوع سرطان، هم در مردان و هم در زنان در سراسر دنیا است. در بررسی عوامل موثر بر طول عمر بیماران مبتلا به سرطان ریه با وجود مشکلاتی مانند وقوع بریدگی دو طرفه در نمونه مورد مطالعه، بهتر است ازمدل¬هایی استفاده شود که متناسب با این شرایط هستند. لذا مطالعه حاضر با هدف استفاده از روشی متناسب با وقوع بریدگی در تحلیل بقای بیماران فوت شده براثر سرطان ریه شده طراحی شده است. مواد و روش ها: اطلاعات 532 نفر از بیماران مبتلا به سرطان ریه که از سال 1390 تا 1398 به بیمارستان دکتر مسیح دانشوری مراجعه و تحت درمان قرار گرفته بودند به صورت یک مطالعه همگروهی گذشته نگر مورد بررسی قرار گرفت. برای مطالعه دقیق فرآیند بیماری و بررسی عوامل موثر بر بقای بیماران با وجود بریدگی دو طرفه در داده‌ها، از مدل رگرسیون وزنی پیشنهادی رنرت استفاده شد و نتایج آن با مدل رگرسیون کاکس غیر وزنی مورد بررسی قرار گرفت. یافته ها: از تعداد 532 پرونده مورد بررسی، 354 نفر را مردان (5/66درصد) تشکیل دادند. تعداد 311نفر (6/58 درصد) سابقه مصرف سیگار نداشتند، 1/89درصد بیماران دیابت نداشتند و بیش از 90درصد بیماران در مرحله پیشرفته تومور سرطانی (مرحله IV) تشخیص داده شده بودند. برای 5/90 درصد از بیماران درمان شیمی درمانی انجام شده بود و 369نفر (5/73درصد) تشخیص متاستاز داشتند. متوسط سن بیماران در زمان تشخیص 96/11± 06/58 سال به¬دست آمد. میانه زمان بقا برای تمام نمونه ها برابر با 251 روز با دامنه میان-چارکی 353 روز محاسبه شد. متغیر نوع بافت سلول سرطانی در هر سه مدل رگرسیونی معنی‌دار بود. ضرایب رگرسیونی مدل‌های وزنی به مراتب بزرگتر از ضرایب به‌دست آمده از مدل غیر وزنی محاسبه شدند، به‌طوری که اندازه اثر متغیر تومور سلول کوچک بر مدت زمان بقای بیماران در مقایسه با نوع تومور سلول غیرکوچک، در مدل وزنی ناپارامتریک تا 5.43 برابر بزرگتر از مدل غیر وزنی محاسبه شد. نتیجه‌گیری: روش ما برای تحلیل این نوع از داده‌ها بسیار مهم است، چرا که انتخاب نمونه¬ها از میان بیمارانی که به¬علت سرطان ریه فوت شده¬اند، در یک بازه زمانی از قبل تعیین شده، زمان¬های بقا را به سمت ایجاد بریدگی سوق می¬دهد که می¬تواند در برآوردهای نسبت خطر ایجاد اریبی کند. این درحالی¬ است که مطالعات مشابهی که بدون درنظر گرفتن علت فوت بیماران و عدم بررسی شرایط بریدگی در نمونه مشاهده شده، تحلیل بقا را با مدل غیر وزنی کاکس انجام داده¬اند، مستعد نتیجه گیری بر مبنای برآوردهای اریب می‌باشند.واژگان کلیدی: تحلیل¬بقا ، بریدگی دو طرفه، مدل¬ رگرسیون کاکس، سرطان ریه

Background: Lung cancer (LC) is one of the five most common cancers in Iran, and its incidence is increasing in recent years. In Iran, most of the studies in the field of LC are epidemiological research. While there are few studies based on survival analysis exist but lacking adjusted Cox model analysis for data conditions.Double truncation generally induces a sampling bias on the target variable, so proper corrections of ordinary estimation and inference procedures must be used. In this study, we applied the weighted Cox regression model on our doubly truncated data introduced by Lior Rennert et al. (2018).Material and Methods: We analyzed data from 532 patients who died due to LC at Dr. Masih Daneshvari Hospital between 2010 and 2018. This retrospective cohort study observed truncation in 319 (60%) cases due to the random time period considered. We used the weighted Cox regression model to estimate regression coefficients, considering independent variables like pack-year smoking, cancer cell type, and age at diagnosis.Results: Average patient age at diagnosis: 58.06 years (±11.96). Among 311 patients (58.6%), no smoking history. Mean age at smoking initiation: 22.42 years (±8.12). Median pack-year smoking: 40 ± 33. Over 90% had stage IV cancer, with 90.5% receiving chemotherapy. Median survival: 251 days (IQR: 353). In the weighted Cox regression, cancer type (SCLC/NSCLC) significantly impacted survival. SCLC had a 5.43 times larger effect on survival than NSCLC in the weighted model.Conclusion: Data collected from LC patients who died within a specified timeframe requires adjusted statistical models due to truncation. The model revealed a strong relationship between cancer cell type and survival time. NSCLC patients had significantly longer survival compared to SCLC (p-value=0.003). The study's advantage lies in using a statistical model that considers doubly truncated data. Conversely, studies using the unweighted Cox model without considering patient death cause and truncation may lead to biased conclusions. Failure to account for these factors can result in unreliable interpretations. Thus, advanced statistical models are necessary to analyze survival time while considering sample conditions. Keywords :Truncation, survival analysis, lung cancer, doubly truncated data, cox model

تحلیل¬بقا

Truncation,

علیزاده کلاهدوزی، نیلوفر

Ali zadeh, Niloofar

بیگلریان، اکبر

بخشی، عنایت

ایران

دانشگاه علوم توان بخشی و سلامت اجتماعی

20230717

p

TF

279226

a

Y