Journal of Mazandaran University of Medical Sciences

fa تحلیل بقای بیماران مبتلا به سرطان ریه با استفاده از مدل رگرسیونی کاکس Survival Analysis of Patients with Lung Cancer Using Cox Regression Model آمار زیستی Biostatistics پژوهشي-کامل Research(Original) سابقه و هدف: سرطان ریه یکی از شایع‌ترین سرطان‌ها در جهان و سومین عامل مرگ و میر در ایران است. هدف مطالعه حاضر تحلیل بقای بیماران مبتلا به سرطان ریه و شناسایی متغیرهای تأثیرگذار بر بقای بیماران مزبور می باشد. مواد و روش‌ها: دراین مطالعه هم&lrm;گروه تاریخی، داده‌ها از پرونده&lrm;های پزشکی 259 نفر از مبتلایان به سرطان ریه که بین سال‌های 1384 تا 1394 به بیمارستان شریعتی تهران مراجعه نموده بودند، استخراج شد. رخداد موردنظر، فوت بیمار بر اثر سرطان ریه تعیین گردید. برای برآورد احتمال بقای بیماران از روش کاپلان مایر و اثر متغیرهای مختلف بر زمان بقای بیماران از مدل مخاطرات متناسب کاکس در نرم&lrm;افزار R استفاده شد. یافته‌ها: در مطالعه حاضر میانگین سن تشخیص بیماران 46/12±86/62 می باشد. هم&lrm;چنین میانگین و میانه بقای بیماران به ترتیب 33/3±93/2 و 4/2 سال به دست آمد. تعداد 140 نفر (54 درصد) از بیماران فوت نمودند. احتمال&lrm;های بقای 1، 2 و 3 ساله به ترتیب 63 درصد ، 53 درصد و 46 درصد برآورد گردید. براساس نتایج مدل مخاطرات متناسب کاکس (05/0p<) بین زمان بقای بیماران و متغیرهای PCO2 (021/1HR=)، سن تشخیص بیماری (805/0HR=)، نوع تومور NSCLC نسبت به SCLC (567/0HR=) و متاستاز مغز (792/1HR=) ارتباط معنی دار وجود دارد. استنتاج: نتایج مطالعه حاضر نشان می دهد زمان بقای بیماران مبتلا به سرطان ریه بسیار کوتاه است و با افزایش سن بیماران کاهش می‌یابد. هم‌چنین خطر مرگ در بیماران دارای سرطان ریه سلول کوچک (SCLC) و بیمارانی که دچار متاستاز مغز شده اند، بیش تر از سایر بیماران می باشد. Background and purpose: Lung cancer is the third cause of death and amongst the five common cancers in Iran. The aim of this study was to analyze the survival rate of patients with lung cancer and identifying the variables influencing their survival. Materials and methods: In a retrospective cohort study, the data was extracted from the medical records of 259 patients with lung cancer who had attended Tehran Shariati Hospital during 2005-2015. The survival rate was estimated using the Kaplan-Meier method and log-rank test was applied for comparison of survival function. The event was specified as death due to lung cancer. The Cox’s proportional hazard model was used to investigate the effect of various variables on patient survival time using the R software. Results: The mean age of the patients was 62.86±12.46 and the estimated median survival time was 2.4 years (2.93±3.33). Hundred and forty patients (54%) died. According to the Kaplan-Meier method, 1, 2, and 3 years survival rates were estimated to be 63%, 53%, and 46%, respectively. Based on Cox proportional hazards analysis, the patient’s survival time was significantly associated with PCO2 (HR= 1.021), age at diagnosis (HR= 0.805), type of tumor (NSCLC vs. SCLC) (HR= 0.567), and brain metastasis (HR= 1.792). Conclusion: The survival time for patients with lung cancer was found to be quite short. This time decreases by increase in patients’ age. Also, the risk of death in a patient either with SCLC or metastasis was higher than other patients.     سرطان ریه, زمان بقا, رگرسیون کاکس, روش کاپلان مایر lung cancer, survival time, Cox Regression Analysis, Kaplan–Meier estimator 66 74 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-370-23&slc_lang=fa&sid=1 Fatemeh Babanejhad فاطمه بابانژاد babanejhad2014@gmail.com 100319475328460091809 100319475328460091809 No MSc in Biostatistics, Faculty of Public Health, Mazandaran University of Medical Sciences, Sari, Iran کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران Jamshid Yazdani Charati جمشید یزدانی چراتی jamshid.charati@gmail.com 100319475328460091810 100319475328460091810 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 Bizhan Shbankhani بیژن شعبانخانی Shbankhani@yahoo.com 100319475328460091811 100319475328460091811 No Assistant Professor, Department of Biostatistics, Health Sciences Research Center, Mazandaran University of Medical Sciences, Sari, Iran استادیار، گروه آمار زیستی، مرکز تحقیقات علوم بهداشتی، دانشگاه علوم پزشکی مازندران، ساری، ایران Rasoul Aliyannejhad رسول علیاننژاد aliannejad@tums.ac.ir 100319475328460091812 100319475328460091812 No Assistant Professor, Department of Internal Medicine, Tehran University of Medical Sciences, Tehran, Iran استادیار، گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Sasan Saber ساسان صایر Saber@sina.tums.ac.ir 100319475328460091813 100319475328460091813 No Assistant Professor, Department of Internal Medicine, Tehran University of Medical Sciences, Tehran, Iran استادیار، گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Saeed Ghasemkhani سعید قاسمخانی s.ghasemkhani91@gmail.com 100319475328460091814 100319475328460091814 No MSc in Applied Mathematics, Faculty of Economics, Allameh Tabataba'i University, Tehran, Iran کارشناسی ارشد ریاضیات کاربردی، دانشکده اقتصاد، دانشگاه علامه طباطبایی تهران، تهران، ایران