شناسايي عوامل مؤثر بر بقاي بيماران سرطان معده داراي متاستاز با استفاده از مدل جنگل تصادفي بقا و مقايسه آن با مدل رگرسيون كاكس

Identification of Factors Affecting Metastatic Gastric Cancer Patients’ Survival Using the Random Survival Forest and Comparison with Cox Regression Model

مقدمه و اهداف: در تحليل بقا استفاده از مدل كاكس براي تعيين عوامل مؤثر، نيازمند برقراري پيش‌فرض‌هايي است كه عدم برقراري آن‌ها منجر به نتايج اريب مي‌شود. هدف اين مقاله تعيين عوامل مؤثر بر بقاي بيماران مبتلا به سرطان معده داراي متاستاز با استفاده از روش ناپارامتري جنگل تصادفي بقا (RSF) و مقايسه آن با مدل كاكس است. روش كار: در اين مطالعه كوهورت گذشته‌نگر 201 بيمار مبتلا به سرطان معده داراي متاستاز مراجعه‌كننده به كلينيك امام خميني استان همدان موردبررسي قرار گرفت. بقاي بيماران از زمان تشخيص تا مرگ يا پايان مطالعه محاسبه شد. ويژگي‌هاي جمعيت شناختي (شامل سن و جنس) و متغيرهاي مربوط به بيماري (شامل مرحله بيماري، گريد تومور، نوع درمان و ...) از پرونده بيماران استخراج شد. عوامل مؤثر با استفاده از مدل كاكس و جنگل تصادفي بقا تعيين و مقايسه شد. تحليل داده‌ها با نرم‌افزار R3.4.3 و بسته‌هاي survival و RandomForestSRC انجام شد. يافته‌ها: ميانگين (انحراف معيار) سن تشخيص بيماران (9/12) 5/61 سال بود. بر اساس مدل كاكس تنها متغير شيميدرماني (P=0.033) بر بقا مؤثر بود. نتايج برازش مدل RSF نشان داد كه متغيرهاي مؤثر بر بقا به ترتيب نوع جراحي، محل متاستاز، شيميدرماني، سن، گريد تومور، جراحي، تعداد لنفوم‌هاي درگير، جنس و راديوتراپي بود. همچنين مدلRSF باقاعده تقسيم لگ-رتبه بر اساس شاخص‌هاي مناسبت مدل نسبت به مدل كاكس عملكرد بهتري داشت. نتيجه‌گيري: درصورتي‌كه تعداد متغيرها زياد و بين متغيرها رابطه وجود داشته باشد روش RSF متغيرهاي مهم و تأثيرگذار بر بقا را بدون نياز به پيش‌فرض‌هاي محدودكننده با دقت بالا نسبت به مدل كاكس شناسايي مي‌كند.

Background and Objectives: In survival analysis, using the Cox model to determine the effective factors requires the assumptions whose failure of leads to biased results. The aim of this paper was to determine the factors affecting the survival of metastatic gastric cancer patients using the non-parametric method of Randomized Survival Forest (RSF) model and to compare its result with the Cox model. Methods: In this retrospective cohort study, 201 patients with metastatic gastric cancer were evaluated in Hamadan Province. Patient survival was calculated from diagnosis to death or end of study. Demographic characteristics (such as gender and age) and clinical variables (including stage, tumor size, etc.) were extracted from the patient records. Factors affecting survival were determined using the Cox model and RSF. Data analysis was performed using the R3.4.3 software and RandomForestSRC and survival packages. Results: The mean (SD) age of patients was 61.5 (12.9) years old. The Cox model showed that chemotherapy (p=0.033) was effective in survival, and the results of fitting the RSF model showed that the most important variables affecting survival were type of surgery, location of metastasis, chemotherapy, age, tumor grade, surgery, number of involved lymph nodes, sex and radiotherapy. Based on the model appropriateness, the RSF model with log-rank split rule had a better performance compared to the Cox model. Conclusion: If the number of variables is high and there is a relationship between the variables, the RSF method identifies the important and effective variables on survival with high accuracy without requiring restrictive assumptions compared to the Cox model.