مقایسه مدل های بیزی پارامتریک در تحلیل عوامل مؤثر بر میزان بقای بیماران مبتلا به سرطان معده
نویسندگان
چکیده
مقدمه و اهداف: در اکثر تحقیقات پزشکی که هدف بررسی توزیع بقا است از روش های کلاسیک مانند رگرسیون کاکس و مدل های پارامتری استفاده می شود، حال آن که مدل های بیزی مزیت هایی نسبت به حالت کلاسیک دارند. هدف از مطالعه حاضر، مقایسه مدل های بیزی پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معدء است. روش کار: این تحقیق یک مطالعه همگروه تاریخی است که از طریق مراجعه به پرونده بیماران مبتلا به سرطان معده که از تاریخ دی 1382 لغایت دی 1386 در بخش گوارش بیمارستان طالقانی تهران تحت درمان بودند، انجام شد. برای بررسی عوامل مؤثر بر بقای بیماران از مدل بیزی پارامتری در حالت سانسور فاصله ای استفاده گردید و معیار مقایسه برای انتخاب بهترین مدل، معیار اطلاع انحرافی (dic) بود. نتایج: نتایج حاصل نشان داد میزان بقا به سن هنگام تشخیص بیماری و اندازه تومور بستگی دارد. برای بیمارانی که سن آن ها هنگام تشخیص بیماری کمتر می باشد، میزان بقا بیشتر است و در مورد بیمارانی که اندازه تومور در آن ها کوچک تر می باشد، نیز میزان بقا بیشتر است. بر طبق ملاک dic، مدل لگ نرمال نسبت به سایر مدل ها بیزی مناسب ترین مدل تشخیص داده شد.نتیجه گیری: نتایج این مطالعه نشان داد که در بین مدل های بیزی پارامتری، مدل لگ نرمال قادر به برازش بهتر است. همچنین این مطالعه نشان داد سن بیمار در زمان تشخیص و اندازه تومور از عوامل مهم مرتبط با بقای بیماران مبتلا به سرطان معده هستند. در نتیجه در صورت تشخیص این بیماری در سنین پایین تر و مراحل اولیه پیشرفت بیماری، طول مدت بقاء بیماران افزایش می یابد
منابع مشابه
مقایسه مدلهای بیزی پارامتریک در تحلیل عوامل مؤثر بر میزان بقای بیماران مبتلا به سرطان معده
Background & Objectives: The Cox proportional-hazards regression and other parametric models model have achieved widespread use in the analysis of time-to-event data with censoring and covariates. However employing Bayesian method has not been widely used or discussed. The aim of this study was to evaluate the prognostic factors in using Bayesian interval censoring analysis.Methods: This cohort...
متن کاملمقایسه رگرسیون کاکس و مدل های پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده
Background & Objectives: Although Cox regression is commonly used to detect relationships between patient survival and demographic/clinical variables, there are situations where parametric models can yield more accurate results. The objective of this study was to compare two survival regression methods, namely Cox regression and parametric models, in patients with gastric carcinoma registered a...
متن کاملارزیابی مدل های پارامتریک و نیمه پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده
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...
متن کاملارزیابی مدل های پارامتریک و نیمه پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده
سابقه و هدف: یکی از رایج ترین روش ها برای تجزیه و تحلیل اثر متغیرهای توضیحی برروی زمان بقاء، مدل نیمه پارامتریک کاکس می باشد، با این وجود، تحت شرایط خاص، مدل های پارامتریک زمان شکست شتابیده بر مدل کاکس برتری دارند. هدف از مطالعه حاضر ارزیابی کارایی مدل های پارامتریک و نیمه پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده است. مواد و روش ها: در این مطالعه گذشته نگر با مراجعه به پرونده بیماران...
متن کاملاستفاده از مدل چندجملهای کسری در تعیین عوامل مرتبط با بقای بیماران مبتلا به سرطان معده
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 fractiona...
متن کاملمقایسه مدل شبکه عصبی مصنوعی و رگرسیون پارامتری در پیشبینی بقای بیماران مبتلا به سرطان معده
Background & Objective: Using parametric models is common approach in survival analysis. In the recent years, artificial neural network (ANN) models have increasingly used in survival prediction. The aim of this study was to predict of survival rate of patients with gastric cancer by using a parametric regression and ANN models and compare these methods. Methods: We used the data of 436 gast...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله اپیدمیولوژی ایرانجلد ۶، شماره ۳، صفحات ۱۸-۲۱
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023