Journal of Mazandaran University of Medical Sciences

fa مقایسه کارایی مدل مخاطرات متناسب کاکس و مدل‌های شکست شتابدار در تعیین عوامل موثر بر بقا بیماران سرطان معده Comparison of efficiency of Cox Proportional Hazards Model and Accelerated Failure Time Models in Determining Survival Factors in Gastric Cancer Patients آمار زیستی Biostatistics پژوهشي-کامل Research(Original) سابقه و هدف: سرطان معده یک بیماری چند عاملی است که ممکن است، عوامل زیادی از جمله عوامل محیطی و ژنتیکی بر بروز آن تأثیر بگذارد. از این ‌رو بررسی و شناخت عوامل پیش‌آگهی‌کننده در بقا این بیماری حائز اهمیت می‌‌باشد. این مطالعه با هدف، بررسی عوامل مؤثر بر بقا سرطان معده به روش‌ مدل مخاطرات متناسب کاکس و مدل‌های شکست شتابدار و در نهایت برازش بهترین مدل از بین این مدل‌ها، انجام پذیرفت. مواد و روش‌ها: این پژوهش یک مطالعه از نوع کوهورت تاریخی، بر روی 193 نفر از بیماران سرطان معده استان مازندران طی سال‌های 1391 تا 1400 می‌باشد. داده‌هایی از قبیل اطلاعات دموگرافیک، بالینی و درمانی بیماران جمع‌آوری شد. برای بررسی پیش‌فرض تناسب خطرات از آزمون شوئنفلد (Schoenfeld) و برای ارزیابی کفایت مدل از باقیمانده‌های کاکس اسنل (Cox-Snell) استفاده شد. داده‌ها در نرم‌افزار STATA ورژن 14، تجزیه ‌و تحلیل شدند. متغیرهای با سطح معنی‌داری کم‌تر از 0/250در آنالیز تک متغیره، وارد آنالیز چند متغیره شدند. یافته‌ها: از 193 بیمار سرطان معده، 26 نفر (13/5درصد) موارد سنسور شده بودند. میانه زمان بقا برای مردان و زنان به ترتیب برابر (10/51-5/62) 8/06 و (17/74-1/13) 9/43ماه  بود. براساس معیار اطلاع آکائیک و باقیمانده‌های کاکس اسنل، مدل لگ لجستیک به‌عنوان مدل بهینه انتخاب شد. نتایج مدل لگ لجستیک نشان داد که متغیرهای شاخص توده بدنی (0/003P=) و از نظر نوع درمان نیز درمان ترکیبی شیمی ‌درمانی و جراحی، نسبت به جراحی (0/028P=) و سه نوع درمان ترکیبی رادیوتراپی، شیمی ‌درمانی و جراحی نسبت به جراحی (0/020P=) و بیماری کلیوی (0/014P=) از جمله عوامل موثر بر بقا بیماران سرطان معده بودند. استنتاج: طبق معیار اطلاع اکائیک (AIC) مدل لگ لجستیک به عنوان مدل بهینه انتخاب شد و با توجه به نتایج مدل لگ لجستیک، متغیرهای شاخص توده بدنی، نوع درمان و بیماری کلیوی متغیرهای تاثیر گذار در بقا سرطان معده شناخته شدند.   Background and purpose: Stomach cancer is a multifactorial disease that may be influenced by many factors, including environmental and genetic factors. Therefore, it is important to investigate and recognize the prognostic factors in the survival of this disease. The purpose of this study was to investigate the factors affecting the survival of gastric cancer by parametric and semi-parametric regression methods and finally to fit the best model among these models. Materials and methods: A historical cohort study on 193 patients with gastric cancer in Mazandaran province 2011-2014 was carried out. Demographic, clinical and therapeutic information of patients were collected. The Schoenfeld test was utilized to evaluate the assumption of proportional hazards, while Cox-Snell residuals were employed to assess the adequacy of the model. The STATA software (v. 14) was used to analyze the data. The significance level of the tests was considered 0.25 for univariate analysis. Results: 30% and 70% of the patients were women and men, respectively. The average age at diagnosis of the patients was 64.92±14.04 years. The mean and median survival time were 21.92 and 8.06 months, respectively, with a standard error of 2.57 and 1.20. Based on Akanke’s information criterion and Cox-Snell's residuals, the log-logistic model was selected as the optimal model. The results of the log-logistic model showed that the variables of body mass index (acceleration factor= 1.11 and P= 0.003) and in terms of the type of treatment, the combination of chemotherapy and surgery compared to surgery (acceleration factor=3.12 and P=0.028) and three types of combined treatment of radiotherapy, chemotherapy and surgery to surgery (acceleration factor=7.58 and P=0.020) and kidney disease (acceleration factor=0.20 and P=0.014) were factors affecting survival. Conclusion: Despite the preference of the majority of researchers to utilize the Cox model, accelerated failure models can serve as a viable alternative to the Cox model in comparable circumstances مدل مخاطرات متناسب کاکس, مدل شکست شتابدار, معیار اطلاع آکائیک, باقیمانده های کاکس اسنل, بقا, سرطان معده, مدل های پارامتریک Cox proportional hazards model, Accelerated failure model, Akanke’s information criterion, Cox Snell residuals, Survival, Gastric cancer, Parametric regression 192 202 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-2362-3&slc_lang=fa&sid=1 Aghil Mollaei عقیل ملایی aghil.mollaei@gmail.com 1003194753284600162044 1003194753284600162044 No MSc Student in Biostatistics, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران Nouraddin Mousavinasab سید نورالدین موسوی نسب snmn1337@yahoo.com 1003194753284600162043 1003194753284600162043 Yes Associate Professor, Department of Biostatistics, Health Sciences Research Center, Mazandaran University of Medical Sciences, Sari, Iran دانشیار، گروه آمار زیستی، مرکز تحقیقات علوم بهداشتی، دانشگاه علوم پزشکی مازندران، ساری، ایران Jamshid Yazdani-Charati جمشید یزدانی چراتی Jamshid.Charati@gmail.com 1003194753284600162045 1003194753284600162045 No Professor, Department of Biostatistics, Health Sciences Research Center, Mazandaran University of Medical Sciences, Sari, Iran استاد، گروه آمار زیستی، مرکز تحقیقات علوم بهداشتی، دانشگاه علوم پزشکی مازندران، ساری، ایران Mohammad Eslami-Jouibari محمد اسلامی جویباری mo.eslami@mazums.ac.ir 1003194753284600162046 1003194753284600162046 No Assistant Professor, Department of Internal Medicine, Sari Imam Khomeini Hospital, Cancer Research Center, Mazandaran University of Medical Sciences, Sari, Iran استادیار، گروه داخلی، بیمارستان امام خمینی ساری، مرکز تحقیقات سرطان، دانشگاه علوم پزشکی مازندران، ساری، ایران