ارزيابي مدل هاي پارامتريك و نيمه پارامتريك در تحليل بقاي بيماران مبتلا به سرطان معده

Evaluation of Parametric and Semi-parametric Models in Survival Analysis of Patients with Gastric Cancer

سابقه و هدف: يكی از رايج‌ترين روش‌ها برای تجزيه و تحليل اثر متغيرهای توضيحی برروی زمان بقاء، مدل نيمه پارامتريك كاكس می‌باشد، با اين وجود، تحت شرايط خاص، مدل‌های پارامتريك زمان شكست شتابيده بر مدل كاكس برتری دارند. هدف از مطالعه حاضر ارزيابی كارايی مدل‌های پارامتريك و نيمه پارامتريك در تحليل بقای بيماران مبتلا به سرطان معده است. مواد و روش‌ها: در اين مطالعه گذشته‌نگر با مراجعه به پرونده بيماران مبتلا به سرطان معده كه در كلينيك فوق تخصصی طوبی شهر ساری وابسته به دانشگاه علوم پزشكی مازندران تحت مداوا قرار گرفته بودند، اطلاعات 249 بيمار در چك ليست‌هايی جمع آوری شد و با تماس تلفنی از وضعيت نهايی آن‌ها اطلاع حاصل شد. به منظور شناسايی عوامل موثر كاهنده بقاء، روش‌های پارامتريك شامل وايبل، لگ‌لجستيك و لگ‌نرمال و مدل نيمه پارامتريك كاكس را به داده‌ها برازش داده و از معيار آكائيكه برای شناسايی كاراترين مدل استفاده شد. يافته‌ها: نتايج حاصل از تجزيه و تحليل داده‌ها نشان داد كه بيماران درمرحله ابتدايی پيشرفت بيماری، بيمارانی كه تحت جراحی قرار گرفتند و بيمارانی كه هنوز دچار متاستاز نشده بودند، به طور معنی‌داری ميزان بقا بالاتری دارند (05/0p<) و برطبق معيار آكائيكه، در تحليل تك و چند متغيری مدل لگ‌نرمال بهترين برازش را بر روی داده‌ها داشته و كاراترين مدل‌بندی می‌باشد و مدل‌های پارامتريك بر كاكس برتری دارند. استنتاج: مدل لگ‌نرمال به عنوان كاراترين مدل‌بندی چند متغيری در اين مطالعه انتخاب شد هر چند كه اختلاف موجود در بين مدل‌های پارامتريك لگ‌نرمال و لگ‌لجستيك و وايبل بسيار ناچيز می‌باشد و با توجه به ملاك آكائيكه با مدل كاكس بسيار اختلاف دارند. پيشنهاد می‌شود در شرايطی كه از توزيع زمان بقا اطلاعاتی دردست است يا روند بين داده‌‌ای زمان بقا، حاكی از توزيع خاصی بين آن‌ها است از روش‌های پارامتريك استفاده شود.

Background and purpose: One of the most common methods used to estimate the effects of explanatory variables on survival time, is Cox semi parametric model. However, under certain circumstances, accelerated failure time parametric models are superior to the Cox model. The purpose of this study was to assess the efficiency of parametric and semi-parametric models in survival analysis of patients with gastric cancer. Material and methods: In this retrospective study, we analyzed 249 medical records of patients attending Tooba clinic affiliated to Mazandaran University of Medical Sciences. We obtained information on the final status of patients viaphone calls.Parametric methods including Weibull, log-logistic and log-normal and semi-parametric Cox model was fitted on the data to identifythe factors reducing survival time Results: The results showed that patients with primary progress of disease, surgery as a treatment and patients without metastasis had higher survival rate than patientsin otherstages of disease and treatment (P<0.05). According to the value of Akaike Information Criterion (AIC) in univariate and multivariate analyses, lognormal model had best fitness in these data. However, parametric regression model had fitted better than Cox semiparametric regression. Conclusion: In this study lognormal model had highest fitness in our data. However, there were no significant differences between values of AIC of these models.According to the results, applying parametric model is suggested instead of semi parametric model if there is enough information about survival time and trend of variation.