کاربرد مدل های پارامتری در تحلیل بقا در سرطان معده
Authors
Abstract:
سابقه و هدف: مدل مخاطره متناسب کاکس، رایجترین روش برای تجزیه و تحلیل اثر متغیرها بر روی زمان بقاء میباشد، اما، تحت شرایط معین مدلهای پارامتری میتوانند بر مدل کاکس برتری داشته باشند. در مطالعه حاضر با استفاده از مدل کاکس و جایگزین های پارامتری از قبیل مدل وایبل، نمایی و لگ نرمال، عوامل مؤثر بر بقاء بیماران مبتلا به سرطان معده، ارزیابی و کارآیی مدلها برای ارائه بهترین مدل مقایسه گردید. مواد و روشها: به منظور تعیین عوامل مستقل کاهنده بقا در سرطان معده، روشهای پارامتری و نیمه پارامتری بر روی بیماران ثبت شده در مرکز ثبت تومور استان فارس اعمال گردید. مقایسه مابین مدلها با استفاده از معیار آکائیکه ( Akaike Information Criterion ) صورت پذیرفت. نتایج: از 442 بیمار، 266 نفر (2/60 درصد) در طول دوره فوت کرده بودند. نتایج تجزیه و تحلیل دادهها با استفاده از مدل کاکس و مدلهای پارامتری تقریبا مشابه بود. بر اساس معیار آکائیکه، مدلهای وایبل و نمایی به ترتیب، با مقادیر 848 و 850 بهترین برازش را بر دادههای بقاء داشتند. بیماران با سنین 75-60 و بیشتر از 75 سال در زمان تشخیص و همین طور درجه تمایز یافتگی ضعیف تومور و وجود متاستاز در زمان تشخیص بیماری با خطر بالاتر مرگ همراه بودند (05/0 p< ). نتیجهگیری: اگرچه نسبت مخاطره در مدل کاکس و مدلهای پارامتری تقریبا مشابه بود، ولی بر اساس معیارآکائیکه، مدلهای وایبل و نمایی، مدلهای بهتری برای تحلیل بقا میباشند.
similar resources
کاربرد رویکردهای پارامتری، نیمه پارامتری و ناپارامتری در تحلیل بقا بیماران مبتلا به سکته قلبی حاد
چکیده مقدمه و هدف: مدل مخاطره متناسب کاکس، رایج ترین روش برای تجزیه و تحلیل اثر متغیرها بر روی زمان بقا می باشد، اما تحت شرایط معین، مدل های پارامتری می توانند بر مدل کاکس برتری داشته باشند. در مطالعه حاضر با استفاده از مدل کاکس و جایگزین های پارامتری از قبیل مدل های وایبول، نمایی و همچنین برآورد ناپارامتری کاپلان- مه یر، عوامل مؤثر بر بقاء بیماران مبتلا به سکته قلبی حاد، ارزیابی و کارآیی مدلها...
full textمقایسه 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...
full textکاربرد رویکردهای پارامتری، نیمه پارامتری و ناپارامتری در تحلیل بقا بیماران مبتلا به سکته قلبی حاد
چکیده مقدمه و هدف: مدل مخاطره متناسب کاکس، رایج ترین روش برای تجزیه و تحلیل اثر متغیرها بر روی زمان بقا می باشد، اما تحت شرایط معین، مدل های پارامتری می توانند بر مدل کاکس برتری داشته باشند. در مطالعه حاضر با استفاده از مدل کاکس و جایگزین های پارامتری از قبیل مدل های وایبول، نمایی و همچنین برآورد ناپارامتری کاپلان- مه یر، عوامل مؤثر بر بقاء بیماران مبتلا به سکته قلبی حاد، ارزیابی و کارآیی مدلها...
full textاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textMy Resources
Journal title
volume 13 issue 2
pages 83- 88
publication date 2009-07
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023