fa ارزیابی مدل های پارامتریک و نیمه پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده گوارش و کبد Gastroenterology and Hepatology پژوهشي-کامل Research(Original) سابقه و هدف: یکی از رایج‌ترین روش‌ها برای تجزیه و تحلیل اثر متغیرهای توضیحی برروی زمان بقاء، مدل نیمه پارامتریک کاکس می‌باشد، با این وجود، تحت شرایط خاص، مدل‌های پارامتریک زمان شکست شتابیده بر مدل کاکس برتری دارند. هدف از مطالعه حاضر ارزیابی کارایی مدل‌های پارامتریک و نیمه پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده است. مواد و روش‌ها: در این مطالعه گذشته‌نگر با مراجعه به پرونده بیماران مبتلا به سرطان معده که در کلینیک فوق تخصصی طوبی شهر ساری وابسته به دانشگاه علوم پزشکی مازندران تحت مداوا قرار گرفته بودند، اطلاعات 249 بیمار در چک لیست‌هایی جمع آوری شد و با تماس تلفنی از وضعیت نهایی آن‌ها اطلاع حاصل شد. به منظور شناسایی عوامل موثر کاهنده بقاء، روش‌های پارامتریک شامل وایبل، لگ‌لجستیک و لگ‌نرمال و مدل نیمه پارامتریک کاکس را به داده‌ها برازش داده و از معیار آکائیکه برای شناسایی کاراترین مدل استفاده شد. یافته‌ها: نتایج حاصل از تجزیه و تحلیل داده‌ها نشان داد که بیماران درمرحله ابتدایی پیشرفت بیماری، بیمارانی که تحت جراحی قرار گرفتند و بیمارانی که هنوز دچار متاستاز نشده بودند، به طور معنی‌داری میزان بقا بالاتری دارند (05/0p<) و برطبق معیار آکائیکه، در تحلیل تک و چند متغیری مدل لگ‌نرمال بهترین برازش را بر روی داده‌ها داشته و کاراترین مدل‌بندی می‌باشد و مدل‌های پارامتریک بر کاکس برتری دارند. استنتاج: مدل لگ‌نرمال به عنوان کاراترین مدل‌بندی چند متغیری در این مطالعه انتخاب شد هر چند که اختلاف موجود در بین مدل‌های پارامتریک لگ‌نرمال و لگ‌لجستیک و وایبل بسیار ناچیز می‌باشد و با توجه به ملاک آکائیکه با مدل کاکس بسیار اختلاف دارند. پیشنهاد می‌شود در شرایطی که از توزیع زمان بقا اطلاعاتی دردست است یا روند بین داده‌‌ای زمان بقا، حاکی از توزیع خاصی بین آن‌ها است از روش‌های پارامتریک استفاده شود. 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 with gastric cancer. Material and methods: In this retrospective study, we analyzed 249 medical records of patients attending Tooba clinic affiliated to Mazandaran University of Medical Sciences. We obtained information on the final status of patients viaphone calls.Parametric methods including Weibull, log-logistic and log-normal and semi-parametric Cox model was fitted on the data to identifythe factors reducing survival time Results: The results showed that patients with primary progress of disease, surgery as a treatment and patients without metastasis had higher survival rate than patientsin otherstages of disease and treatment (P<0.05). According to the value of Akaike Information Criterion (AIC) in univariate and multivariate analyses, lognormal model had best fitness in these data. However, parametric regression model had fitted better than Cox semiparametric regression. Conclusion: In this study lognormal model had highest fitness in our data. However, there were no significant differences between values of AIC of these models.According to the results, applying parametric model is suggested instead of semi parametric model if there is enough information about survival time and trend of variation. تحلیل بقا, مدل های پارامتریک, معیار آکائیک, سرطان معده Survival analysis, parametric model, Akaike Information Criterion, gastric cancer 11 18 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-29-252&slc_lang=fa&sid=1 Somayeh Ghorbani Gholiabad سمیه قربانی قلی‌آباد 100319475328460051185 100319475328460051185 No MSc Student in Biostatistics, Student Research Committee, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran علوم پزشکی مازندران Jamshid Yazdani Charati جمشید یزدانی چراتی Jamshid_1380@yahoo.com 100319475328460051186 100319475328460051186 Yes Assistant Professor, Department of Biostatistics, Health Sciences Research Center, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran علوم پزشکی مازندران Ghasem Jan Babaie قاسم جان بابایی 100319475328460051187 100319475328460051187 No Associate Professor, Department of Internal Medicine, Molecular and Cell Biology Research Center, Faculty of Medicine, Mazandaran University of Medical Sciences, Sari, Iran علوم پزشکی مازندران