Journal of Mazandaran University of Medical Sciences

fa مقایسه مدل های شفایافته پارامتری در شناسایی عوامل مؤثر بر بقای بیماران مبتلا به سرطان تیروئید Comparison of Parametric Cure Models for Identifying Prognostic Factors in Thyroid Cancer Survival آمار زیستی Biostatistics پژوهشي-کامل Research(Original) سابقه و هدف: سرطان پاپیلاری تیروئید (PTC) شایع‌ترین نوع سرطان تیروئید است که معمولاً پیش‌آگهی خوبی دارد، اما در برخی بیماران ممکن است عود و پیشرفت بیماری رخ دهد. این مطالعه با هدف بررسی بقای بیماران مبتلا به PTC و عوامل مؤثر بر آن با استفاده از مدل‌های آماری، انجام پذیرفت تا درک بهتری از سیر طبیعی بیماری و ارائه درمان‌های شخصی‌ سازی شده حاصل شود. مواد و روش ‌ها: مطالعه حاضر یک تحقیق کوهورت، بر روی 469 بیمار مبتلا به سرطان پاپیلاری تیروئید در سال های 1993 تا 2013 میلادی است که داده‌های آن از پایگاه TCGA استخراج شده است. در این پژوهش، مدل‌های پارامتری برای تحلیل داده‌ها و شناسایی عوامل خطر بقای بیماران به کار رفته است. با استفاده از مدل‌های مختلف، نسبت شفا یافتگی و اهمیت عوامل مختلف شناسایی و کارایی مدل‌ها با معیارهای آماری مقایسه شده است. یافته‌ها: از 469 بیمار مورد مطالعه، 124 نفر (26/4 درصد) مرد بودند و میانگین سنی بیماران 15.53 ± 48 سال بود. تا پایان مطالعه، 14 نفر (3 درصد) فوت کردند و نرخ بقای یک، سه، پنج و ده ساله به ترتیب 98/6، 91/3، 83/2 و 83/2 درصد می باشد. نتایج نشان داد که مدل وایبل آمیخته بهترین عملکرد را در شناسایی عوامل مؤثر بر بقای بیماران دارد و خطر مرگ زود هنگام در بیماران با مراحل پیشرفته‌تر بیش‌تر است، در حالی که زنان و بیمارانی که رادیوتراپی دریافت کرده‌اند، شانس درمان کامل بیش‌تری دارند. استنتاج: این مطالعه بر اهمیت انتخاب مدل‌های شفا در تحلیل داده‌های بقا تأکید دارد و نشان می‌دهد که انتخاب مدل باید بر اساس ویژگی‌های خاص داده‌ها و اهداف تحقیق صورت گیرد. نتایج حاکی از پیش‌آگهی مطلوب سرطان پاپیلاری تیروئید و تأثیر عوامل مختلفی مانند سن، جنسیت، درمان رادیوتراپی و محل نئوپلاسم بر بقای بیماران است، که ضرورت رویکردهای درمانی شخصی‌ سازی شده را در این زمینه نمایان می‌کند.   Background and purpose: Papillary thyroid carcinoma (PTC) is the most common type of thyroid cancer and is generally associated with a favourable prognosis. However, recurrence and disease progression can occur in some patients. This study aims to evaluate the survival of patients with PTC and the factors influencing it, using statistical models to better understand the natural course of the disease and support the development of personalized treatment strategies. Materials and methods: This cohort study included 469 patients diagnosed with papillary thyroid carcinoma between 1993 and 2013, with data extracted from the TCGA database. Parametric models were used to analyze the data and identify risk factors affecting patient survival. Various models were applied to estimate cure fractions and assess the importance of different factors, and model performance was compared using statistical criteria. Results: Among the 469 patients studied, 124 (26.4%) were male, and the mean age was 48 ± 15.53 years. By the end of the study, 14 patients (3%) had died. The 1-, 3-, 5-, and 10-year survival rates were 98.6%, 91.3%, 83.2%, and 83.2%, respectively. The results indicated that the mixture Weibull model performed best in identifying factors affecting patient survival. An advanced disease stage was associated with a higher risk of early mortality, while female patients and those who received radiotherapy were more likely to achieve complete cure. Conclusion: This study highlights the significance of selecting appropriate cure models for survival data analysis, emphasizing that model choice should be based on the specific characteristics of the data and the research objectives. The findings demonstrate the generally favorable prognosis of papillary thyroid carcinoma and the impact of factors such as age, gender, radiotherapy, and tumor location on patient survival, underscoring the need for personalized therapeutic approaches in this context.   سرطان تیروئید, بقا, مدل های شفا یافته آمیخته, مدل شفا یافته وایبل Thyroid cancer, survival, mixture cure models, Weibull cure model 83 94 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-370-38&slc_lang=fa&sid=1 Mohammad Mehdi Dindarloo محمدمهدی دیندارلو mehdi.dindarloo09@yahoo.com No MSc Graduate, Epidemiology and Biostatistics Department, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran کارشناس ارشد، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران Afsaneh Fendereski افسانه فندرسکی afsaneh.fendereski@gmail.com No Assistant Professor, Epidemiology and Biostatistics Department, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran استادیار گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران Zahra Kashi زهرا کاشی kashi_zahra@yahoo.com No Professor, Diabetes Research Center, Mazandaran University of Medical Sciences, Sari, Iran استاد غدد درون ریز و متابولیسم، مرکز تحقیقات دیابت، دانشگاه علوم پزشکی مازندران، ساری، ایران Bizhan Shabankhani بیژن شعبانخانی shabankhani@yahoo.com No Assistant Professor, Epidemiology and Biostatistics Department, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran استادیار گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران Jamshid Yazdani-Charati جمشید یزدانی چراتی jamshid.charati@gmail.com Yes Professor, Epidemiology and Biostatistics Department, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran استاد گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران