ارزيابي مدلهاي زمان شتابيده و كاكس در تحليل عوامل موثر بر بقاي زنان مبتلا به سرطان پستان شهر يزد

Assessment of AFT and Cox Models in Analysis of Factors Influencing the survival of Women with Breast Cancer in Yazd city

سرطان پستان از شايعترين سرطانها در زنان است. روش هاي آماري در تحليل بقاي اين بيماران مدل هاي زمان شتابيده و مدل كاكس مي باشد. هدف از اين پژوهش ارزيابي دو مدل در تعيين عوامل موثر در بقاي سرطان پستان مي باشد.مواد و روش ها: در اين مطالعه تحليلي و از نوع آناليز بقا، وضعيت بقاي تمامي 538 بيمار تشخيص داده شده به سرطان پستان كه در مركز پرتو درماني شهيد رمضان زاده شهر يزد از ابتداي سال 1384 تا پايان سال 1391 پيگيري شدند با استفاده از تماس تلفني ثبت شد. جهت توصيف بقاي بيماران از برآورد كاپلان ماير استفاده شد. متغيرهاي تحقيق شامل عوامل باليني و دموگرافيك بودند. انتخاب متغيرهاي نهايي در مدل بوسيله روش هاي كاهش بعد و تمام رگرسيون هاي كاكس ممكن با معيار آكائيكه صورت گرفت. سپس بهترين مدل زمان شتابيده با در نظر گرفتن توزيع هاي مختلف نيز با معيار آكائيكه كه هرچه كمتر باشد به معناي برازش بهتر مي باشد، مشخص گرديد.يافته ها: بهينه ترين مدل كاكس در ميان تمامي مدل هاي كاكس ممكن شامل متغيرهاي سن، her2 و ki67 بود (302/7=aic) و مدل گاماي تعميم يافته بهينه ترين مدل زمان شتابيده بدست آمد (463/9766=aic). her2 در هر دو مدل زمان شتابيده و كاكس معني دار شد (0/05>p) ولي متغير ki67 معني دار نشد.نتيجه گيري: بر اساس نتايج اين مطالعه در هر دو مدل متغير her2 به عنوان عامل خطر شناخته شد و تاثير مثبت روي مخاطره مرگ و كاهش بقاي بيماران داشت.

Breast cancer is one of the most common cancers in women. The statistical methods in the survival analysis of these patients are accelerated time models and Cox model. The purpose of this study is to evaluate two models in determining the effective factors in the survival of breast cancer. METHODS: The study was an analytical and cohort study of survival analysis. The 538 of the patients referred to Ramezanzade Radiotherapy Center who had breast cancer and recorded survival status as a census from the April 2005 until March 2012 in Yazd. and survived by phone call. The Kaplan-Meier estimate was used to describe the survival of the patients. The research variables included clinical and demographic factors. The choice of final variables in the model was done by the methods of diminishing the dimension and all possible Cox regressions by the acaian criterion. Then, the best accelerated time model was considered Getting different distributions was also determined by the Akayake criteria. FINDINGS: The most effective Cox model among all Cox models was variables including Age, Her2 and Ki67 variables (AIC = 30270). The generalized gamma model was the most optimal accelerated time model (AIC 463.966). Her2 was significant in both accelerated and cox models(p-value<0.05), but the Ki67 variable was not significant. (pvalue> 0.05). CONCLUSION: In both accelerated time- Generalized Gamma- models and Cox Models, the Her2 variable was identified as a risk factor for breast cancer and There is a positive impact on the risk of death and reduced survival.