روش‌هاي بازنمونه‌گيري بوت استرپ و جك نايف در تحليل بقاي بيماران مبتلا به تالاسمي ماژور

Bootstrap and Jackknife Resampling Methods in Survival Analysis of Patients with Thalassemia Major

مقدمه و اهداف: حجم نمونه كم می‌تواند تجزیه و تحلیل داده‌های آماری از جمله داده‌های بقا را تحت تأثیر قرار دهد. كاهش حجم نمونه می‌تواند به دلایل مختلف، از جمله از دست رفتن اطلاعات رخ دهد؛ یعنی داده‌های گم شده در برخی از متغیرها وجود داشته باشد. هدف این مطالعه، براورد پارامترها با استفاده از روش‌های بازنمونه‌گیری بوت استرپ و جك نایف در تحلیل بقای بیماران مبتلا به تالاسمی ماژور است. روش كار: در این مطالعه هم‌گروه تاریخی از اطلاعات 296 بیمار مبتلا به تالاسمی ماژور كه در طی سال‌های 1373 تا بهار سال1392 به كلینیك ظفر در شهر تهران مراجعه كرده بودند؛ استفاده شد. برای تحلیل مدل‌های بقای مختلف پارامتری به داده‌ها برازش داده شد و پس از انتخاب بهترین مدل، از الگوریتم‌های بازنمونه‌گیری بوت استرپ و جك نایف استفاده شد. تحلیل داده‌ها با نرم‌افزار STATA نسخه 12 انجام شد. یافته‌ها: نتایج حاصل از روش‌های بازنمونه‌گیری بیانگر كاهش خطاهای استاندارد و كوتاه‌تر شدن فواصل اطمینان بودند. همچنین به‌كارگیری روش‌های باز نمونه‌گیری بوت استرپ و جك نایف منجر به معنی‌داری گروه‌های سنی و نسبت والدین (001/0 >P) در مقایسه با مدل لوگ-نرمال (900/0 نتیجه‏گیری: با مقایسه طول فواصل اطمینان، روش بازنمونه‌گیری جك نایف عملكرد بهتری نسبت به روش بازنمونه‌گیری بوت استرپ داشت و بنابراین استفاده از این روش، در نمونه‌های با اندازه كم پیشنهاد می‌شود.

Background and Objectives: A small sample size can influence the results of statistical analysis. A reduction in the sample size may happen due to different reasons, such as loss of information, i.e. existing missing value in some variables. This study aimed to apply bootstrap and jackknife resampling methods in survival analysis of thalassemia major patients. Methods: In this historical cohort study, the data of 296 patients with thalassemia major who were visited at Zafar Clinic, Tehran, from 1994 to 2013 were used. Parametric survival models were used to analyze the data. The log – normal survival model was selected as the best model and then the bootstrap and jackknife resampling algorithms were used for this model. Data analysis was carried out with the STATA 12.0 software. Results: The results of the resampling methods showed that standard errors decreased and confidence intervals were shortened. In addition, the result of the bootstrap and jackknife resampling methods showed that age group and the relationship of the parents (P<0.001) were significant compared with the log-normal model (P>0.900). Conclusion: Comparison of the confidence intervals suggests that the jackknife resampling method can be used when the sample size is small.