استفاده از مدل چندجمله‌اي كسري در تعيين عوامل مرتبط با بقاي بيماران مبتلا به سرطان معده

Application of Fractional Polynomial Model for Determining Prognostic Factors Associated with Survival of Patients with Gastric Cancer

مقدمه و هدف: يكی از روش‌های آماری تحليل داده‌های بقا، مدل رگرسيونی كاكس است. استفاده از تكنيك‌های هموارسازی در مدل كاكس باعث برآورد دقيق‌تر برای پارامترها می‌شود. يكی از تكنيك‌های هموارسازی در مدل كاكس استفاده از مدل چندجمله‌ای كسری است. اين مطالعه به منظور تحليل عوامل مرتبط با بقای بيماران مبتلا به سرطان معده، با استفاده از دو مدل خطرات متناسب كاكس و چند‌جمله‌ای كسری در مدل كاكس انجام شده‌است. روش كار: در يك مطالعه گذشته‌نگر طی سال‌های 1382 تا 1387، 216 بيمار مراجعه‌كننده با تشخيص قطعی سرطان معده كه در بخش سرطان بيمارستان طالقانی تهران تحت عمل جراحی قرار گرفتند، بررسی شدند. در اين مطالعه به‌ منظور تحليل عوامل مرتبط با بقای اين بيماران، مدل‌های چندجمله‌ای كسری در كاكس و خطرات متناسب كاكس برازش و نتايج و كارآيی آن‌ها توسط ملاك آكاييكه با يكديگر مقايسه شدند. نتايج: نتايج حاصل از تحليل مدل خطرات متناسب كاكس و چندجمله‌ای كسری نشان داد كه سن هنگام تشخيص و اندازه تومور با طول عمر بيماران ارتباطی معنی‌دار داشتند (P<0/05) و ملاك آكاييكه در هر دو مدل برابر بود. نتيجه‌گيری: در مطالعه حاضر، كارآيی دو مدل‌ خطرات متناسب كاكس و چندجمله‌ای كسری يكسان شد. در نتيجه با اين‌ كه استفاده از روش‌های هموارسازی برای از بين بردن آثار غيرخطی متغيرهای كمكی تأثيرگذار است، ولی مدل خطرات متناسب كاكس به دليل راحتی تفسير نتايج در داده‌های پزشكی و محدود نبودن در استفاده از انواع متغيرهای كمكی، مناسب‌تر است.

Background & Objectives: Cox regression model is one of the statistical methods in survival analysis. The use of smoothing techniques in Cox model makes the more accurate estimates for the parameters. Fractional polynomial is one of these techniques in Cox model. The aim of this study was to assess the effects of prognostic factors on survival of patients with gastric cancer using the fractional polynomial in Cox model and Cox proportional hazards. Methods: Information of total of 216 patients with gastric cancer who underwent surgery in the gastroenterology ward of Taleghani Hospital in Tehran between 2003 and 2008 were included in this retrospective study. In this research, fractional polynomial in Cox model and Cox proportional hazards model were utilized for determining the effects of prognostic factors on patients’ survival time with gastric cancer. The SPSS version 18.0 and R version 2.14.1 were used for data analysis. These models were compared with Akaike information criterion. Results: The analysis of Cox proportional hazards and fractional polynomial models resulted in age at diagnosis and tumor size as prognostic factors on survival time of patients with gastric cancer independently (P<0.05). Also, Akaike information criterion was equal in both models. Conclusion: In the present study, the Cox proportional hazards and fractional polynomial models led to similar results with equal Akaike information criterions. Using of smoothing methods helped us eliminate non-linear effects but it seemed more appropriate to use Cox proportional hazards model in medical data because of its’ ease of interpretation and capability of modeling in both continuous and discrete covariates.