مقايسه عملكرد مدل كاكس و روش K ـ نزديكترين همسايگي در تخمين بقاي بيماران پيوند كليه

Comparison of Cox Model and K-Nearest Neighbor to Estimation of Survival in Kidney Transplant Patients

مقدمه و هدف: روش رايج در برآورد بقا، مدل كاكس است كه اعتبار نتايج آن، به پذيره مخاطرات متناسب وابسته است. روش k- نزديكترين همسايگي يك روش ناپارامتري براي احتمالات بقا در جوامع ناهمگن مي باشد. هدف اين مطالعه مقايسه كارايي مدل كاكس و روش k- نزديكترين همسايگي (KNN) است. روش كار: اين مطالعه كوهورت گذشته نگر بر روي 475 بيمار دريافت كننده پيوند كليه طي سال هاي 1390-1373 شهر همدان مي باشد. اطلاعات از پرونده هاي پزشكي بيماران استخراج شد. مدت زمان بين پيوند كليه و رد برگشت ناپذير پيوند به عنوان پاسخ در نظر گرفته شد. براي مدل سازي داده ها، از مدل كاكس و روش KNN و براي مقايسه كارايي مدل ها از خطاي پيش بيني نمره بري ير استفاده شد. نتايج: از 475 گيرنده پيوند، 55 نفر (50/11%) رد پيوند داشتند. ميزان بقاي 5 ، 10 و 15 سال به ترتيب 70/91%، 90/84% و 50/74% بدست آمد. تعداد همسايگي بهينه با روش اعتبار سنجي متقاطع برابر 45 بدست آمد. نمره بري ير براي الگوريتم KNN در زمان هاي 5، 10 و 15 سال 003/0، 006/0و 007/0و براي مدل كاكس به ترتيب 036/0، 058/0 و 069/0بدست آمد. روش KNN با تعداد همسايگي 45 خطاي پيش بيني كمتري در زمان هاي 5، 10 و 15 سال نسبت به مدل كاكس دارد كه نشان مي دهد اين روش عملكرد بهتري دارد. نتيجه نهايي: نتيجه اين مطالعه نشان مي دهد كه پيش بيني روش KNN نسبت به مدل كاكس زماني كه حجم نمونه بالا و تعداد متغير هاي پيشگو زياد است، دقت بالاتري دارد.

Introduction & Objective: Cox model is a common method to estimate survival and validity of the results is dependent on the proportional hazards assumption. K- Nearest neighbor is a nonparametric method for survival probability in heterogeneous communities. The purpose of this study was to compare the performance of k- nearest neighbor method (K-NN) with Cox model. Materials & Methods: This retrospective cohort study was conducted in Hamadan Province, on 475 patients who had undergone kidney transplantation from 1994 to 2011. Data were ex-tracted from patients’ medical records using a checklist. The duration of the time between kidney transplantation and rejection was considered as the surviv al time. Cox model and k- nearest neighbor method were used for Data modeling. The prediction error Brier score was used to compare the performance models. Results: Out of 475 transplantations, 55 episodes of rejection occurred. 5, 10 and 15 year sur-vival rates of transplantation were 91.70 %, 84.90% and 74.50%, respectively. The number of neighborhood optimized using cross validation method was 45. Cumulative Brier score of k-NN algo-rithm for t=5, 10 and 15 years were 0.003, 0.006 and 0.007, respectively. Cumulative Brier of score Cox model for t=5, 10 and 15 years were 0.036, 0.058 and 0.058, respectively. Prediction error of k-NN algorithm for t=5, 10 and 15 years was less than Cox model that shows that the k-NN method outperforms. Conclusions: The results of this study show that the predictions of KNN has higher accuracy than the Cox model when sample sizes and the number of predictor variables are high. (Sci J Hamadan Univ Med Sci 2015; 22 (4):300-308)