تحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده با استفاده از رگرسیون لگ نرمال
Authors
abstract
زمینه و هدف : سرطان معده یکی از سرطان های عمده در جهان است که همچنان بخش قابل توجهی از آن در مراحل پیشرفته بیماری تشخیص داده می شود. این مطالعه به منظور تحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده با استفاده از مدل رگرسیون لگ نرمال انجام پذیرفت. روش بررسی : در این مطالعه گذشته نگر به 746 پرونده بیمار مبتلا به سرطان معده که از بهمن 1381 لغایت دی ماه 1385 در بخش گوارش بیمارستان طالقانی تهران تحت درمان بودند؛ مراجعه شد و با تماس تلفنی اطلاعات مربوط به بقای بیماران جمع آوری گردید. جنسیت، سن در زمان تشخیص بیماری، سابقه خانوادگی سرطان، اندازه تومور و وجود متاستاز به سایر اندام ها به عنوان عوامل دموگرافیک و بالینی به مدل لگ نرمال وارد شدند و از خطر نسبی (rr) برای تفسیر نتایج استفاده گردید. یافته ها : نتایج حاصل از آنالیز تک متغیری نشان داد که خطر نسبی مرگ در بیمارانی که در زمان تشخیص بیماری بیشتر از 45 سال سن داشتند؛ به طور معنی داری بالاتر بود (rr=1.01 95% ci, 1.01-1.03). همچنین در بیماران با تومور بزرگ تر از 35 میلی متر (rr=1.64, 95% ci, 1.07-2.25) و نیز بیمارانی که سرطانشان متاستاز داده بود (rr=2.14, 95% ci, 1.60-2.86) ؛ نتایجی مشابه در آنالیز چندمتغیری برای اندازه تومور (rr=2.04, 95% ci, 1.23-3.33) و متاستاز (rr=2.01, 95% ci, 1.13-3.56) به دست آمد. نتیجه گیری: این مطالعه نشان داد که تشخیص سرطان معده در سنین پایین تر و مراحل ابتدایی توسعه آن، منجر به افزایش قابل توجهی در میزان بقای بیماران و کاهش خطر نسبی مرگ می گردد.
similar resources
بررسی عوامل مرتبط با بقای بیماران مبتلا به سرطان کولورکتال با استفاده از رگرسیون کاکس
مقدمه سرطان کولورکتال سومین سرطان شایع در سراسر دنیا میباشد و میزان مرگ و میر حاصل از آن در ایران رو به افزایش است. مطالعه حاضر با هدف تعیین عوامل مرتبط با بقای بیماران مبتلا به سرطان کولورکتال با استفاده از مدل کاکس انجام شده است. روش کار در این مطالعه که به صورت همگروهی تاریخی انجام گرفته است، 404 بیمار مبتلا به سرطان کولورکتال که طی سالهای 1385 تا 1390 به بیمارستان امید مشهد مراجعه کرد...
full textاستفاده 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...
full textتحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده با استفاده از مدل مخاطرات جمعی آلن
سابقه و هدف: سرطان معده دومین علت مرگ ناشی از سرطان در سرتا سر دنیاست و در ایران اولین سرطان شایع بهشمار میرود. این مطالعه بهمنظور تحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده با استفاده از مدل مخاطرات جمعی آلن و بررسی مزیتهای نمودار آلن انجام پذیرفت. مواد و روش ها: طی سالهای 1382 لغایت 1387، تعداد 213 بیمار مراجعهکننده با تشخیص قطعی سرطان معده که در بخش گوارش بیمارستان طال...
full textبرآورد بقای بعد از عود بیماران مبتلا به سرطان معده و بررسی عوامل مرتبط با آن
سابقه و هدف: سرطان معده یکی از شایعترین سرطانها در جهان است که علیرغم پیشرفتهای صورت گرفته در زمینه درمان، میزان بقای آنها پایین است. عوامل مختلفی ممکن است بر عود پس از درمان تاثیرگذار باشد. هدف این مطالعه بررسی بقا و تعیین عوامل مرتبط با این بیماران بود. مواد و روش ها: مطالعه بر روی 93 بیمار مبتلا به سرطان معده که از تاریخ 1/1/1382 تا 29/12/1386 به انستیتوکانسر بیمارستان امام خمینی ...
full textتحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده با استفاده از مدل مخاطرات جمعی آلن
سابقه و هدف: سرطان معده دومین علت مرگ ناشی از سرطان در سرتا سر دنیاست و در ایران اولین سرطان شایع به شمار می رود. این مطالعه به منظور تحلیل عوامل مرتبط با بقای بیماران مبتلا به سرطان معده با استفاده از مدل مخاطرات جمعی آلن و بررسی مزیت های نمودار آلن انجام پذیرفت. مواد و روش ها: طی سال های 1382 لغایت 1387، تعداد 213 بیمار مراجعه کننده با تشخیص قطعی سرطان معده که در بخش گوارش بیمارستان طالقانی...
full textMy Resources
Save resource for easier access later
Journal title:
مجله علمی دانشگاه علوم پزشکی گرگانجلد ۱۱، شماره ۲، صفحات ۴۵-۵۰
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023