بررسي تأثير نشانگرهاي تومور ER، Her2 و Ki67 بر روي بقاي بلند مدت و كوتاه مدت زنان مبتلا به سرطان پستان با استفاده از مدل شفا يافته‌ي Bayesian

The Effect of Tumor Markers ER, Her2, and Ki67 on Long-Term and Short-Term Survival of Women with Breast Cancer Using Bayesian Cure Model

مقدمه: سرطان پستان، دومين علت عمده‌ي مرگ ناشي از سرطان در بين زنان است كه عوامل مختلفي در ايجاد آن دخالت دارند. هدف از انجام اين مطالعه، بررسي اثر نشانگرهاي تومور مهم بر روي بقاي زنان مبتلا به اين سرطان با استفاده از واكاوي شفا يافته‌ي (Bayesian (Bayesian cure analysis بود. روش‌ها: اين مطالعه به صورت تحليل بقاي گذشته‌نگر با استفاده از روش Kaplan-Meier و مدل شفا يافته‌ي Bayesian انجام شد. اطلاعات لازم براي تمامي 500 زن مبتلا به سرطان پستان مراجعه كننده به مركز پرتودرماني شهيد رمضان‌زاده يزد از سال‌هاي 94-1389 ثبت گرديد. از نرم‌افزار R نسخه‌ي 3.6.1 براي واكاوي داده‌ها استفاده و 0/050 > P به عنوان سطح معني‌داري در نظر گرفته شد. يافته‌ها: با استفاده از روش Kaplan-Meier ميزان بقاي 6 ساله‌ي زنان مبتلا به سرطان پستان 0/737 برآورد گرديد. ميانگين سني 11/16 ± 48/03 سال و ميانگين زمان بقا، 4/23 ± 67/64 ماه بود. نتايج حاصل از واكاوي شفا يافته‌ي Bayesian نشان داد كه متغيرهاي Ki67 (2/28-1/01 = Prediction intervals يا PI 95 درصد، 1/34 = Hazard ratio يا HR) و Estrogen receptor (ER) (2/36-1/99 = PI 95 درصد، 2/11 = HR) بر روي مخاطره‌ي مرگ و متغير ER (0/57-0/26 = PI 95 درصد، 0/38 = OR) روي بهبودي بيماران تأثير معني‌داري داشتند. نتيجه‌گيري: طبق واكاوي شفا يافته‌ي Bayesian در اين مطالعه، متغير گيرنده‌ي استروژن، بر روي بقاي كوتاه مدت و بهبودي بيماران مؤثر بود. مي‌توان از مدل‌هاي شفا يافته، در شرايط مناسب براي تحليل بقاي بيماران با درصد بالاي بهبودي استفاده و بقاي بلند مـدت بيماران را از بقاي كوتاه مدت آنان جدا نمود. اين روش آماري، مي‌تواند تفسير دقيق‌تري از آن چه در بقاي داده‌ها وجود دارد، ارايه نمايد.

Background: Breast cancer is the second leading cause of death from cancer among women, and many factors are involved in its creation. The purpose of this study was to evaluate the effect of tumor markers on the survival of women with this cancer using Bayesian cure analysis. Methods: This was a population-based cohort study on 500 women with breast cancer registered in Shahid Ramazanzadeh hospital, Yazd City, Iran, from the April 2010 until March 2015, using Kaplan-Meier method and Bayesian cure model. The data were analyzed using R software. P < 0.050 was considered as the significance level. Findings: Based on Kaplan-Meier method, the 6-year cumulative survival for patients with breast cancer was 0.737. The mean age of breast cancer diagnosis was 48.03 ± 11.16 years, and the mean survival period was 97.64 ± 4.23 months. Bayesian cure model showed that Ki67 [hazard ratio (HR) = 1.34, 95% prediction interval (PI): 1.01-2.28] and ER (HR = 2.11, PI 95%: 1.99-2.36) were significantly related to hazard, and ER was significantly related to cure (OR = 0.38, PI 95%: 0.26-0.57). Conclusion: According to Bayesian cure analysis in this study, ER variable is also effective on short-term survival and long-term survival of patients. Cure models have the ability to analyze patients’ survival data, and can differentiate long-term survival from short- term survival. The interpretation of survival data with these statistical models could be more accurate.