برآورد خطای پیش بینی برای وضعیت بقا و کاربرد آن درتحلیل بقای بیماران مبتلا به سرطان روده بزرگ
نویسنده:
چکیده:
مقدمه
سرطان روده بزرگ جزء سرطان های شایع و کشنده است و پیش بینی این که افراد در آینده چه وضعیتی دارند اهمیت زیادی دارد و نتیجتا ارزیابی پیش بینی نیز بسیار مهم می باشد. هدف از این مقاله برازش مدل کاکس و شناسایی عوامل موثر بر پیش بینی وضعیت بقای بیماران مبتلا به سرطان روده بزرگ و مقایسه مدل کاکس با منحنی کاپلان مایر با استفاده از تابع زیان برایر است.مواد و روش ها
طی سال های 1380 تا 1385 تعداد 724 بیمار مبتلا به سرطان روده بزرگ به بیمارستان طالقانی شهر تهران مراجعه نمودند و حداقل 5 سال پیگیری شدند. برای تعیین عوامل مرتبط با وضعیت بقای سرطان کولورکتال مدل رگرسیونی کاکس به داده ها برازش داده شد و این مدل با منحنی کاپلان مایر به وسیله برآورد خطای پیش بینی به روش تابع زیان برایر مقایسه شد.یافته ها
از 724 بیمار،422(3/58%) نفر مرد و 302(7/41%) نفر زن بودند. 177(4/24%) از بیماران فوت کردند که 65% آن ها مرد بودند. میانگین سنی این بیماران 81/14±03/53 بود. میانه بقای بیماران 3/23±104 ماه بود. وضعیت بقای بیماران با عوامل جنس (058/0p=)و اندازه تومور (017/0p=) ارتباط داشت. و مقدار زیان(ریسک) برایر مدل کاکس در بعضی از زمان ها کمتر از منحنی کاپلان مایر شد.بحث و نتیجه گیری
وجود متغیرهای کمکی و استفاده از مدل ها در پیش بینی وضعیت بقای افراد موثر است. در این مطالعه برازش مدل کاکس و وجود متغیرهای کمکی باعث کاهش خطای پیش بینی شد.کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
17
لینک کوتاه:
magiran.com/p1287170
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!