تحليل بقاي بيماران مبتلا به سرطان ريه با استفادهاز مدل رگرسيوني كاكس

Survival Analysis of Patients with Lung Cancer Using Cox Regression Model

سابقه و هدف: سرطان ريه يكي از شايع ترين سرطان ها در جهان و سومين عامل مرگ و مير در ايران است. هدف مطالعه حاضر تحليل بقاي بيماران مبتلا به سرطان ريه و شناسايي متغيرهاي تاثيرگذار بر بقاي بيماران مزبور مي باشد.مواد و روش ها: دراين مطالعه هم گروه تاريخي، داده ها از پرونده هاي پزشكي 259 نفر از مبتلايان به سرطان ريه كه بين سال هاي 1384 تا 1394 به بيمارستان شريعتي تهران مراجعه نموده بودند، استخراج شد. رخداد موردنظر، فوت بيمار بر اثر سرطان ريه تعيين گرديد. براي برآورد احتمال بقاي بيماران از روش كاپلان ماير و اثر متغيرهاي مختلف بر زمان بقاي بيماران از مدل مخاطرات متناسب كاكس در نرم افزار r استفاده شد.يافته ها: در مطالعه حاضر ميانگين سن تشخيص بيماران 12/46±62/86 مي باشد. هم چنين ميانگين و ميانه بقاي بيماران به ترتيب 3/33±2/93 و 2/4 سال به دست آمد. تعداد 140 نفر (54 درصد) از بيماران فوت نمودند. احتمال هاي بقاي 1، 2 و 3 ساله به ترتيب 63 درصد ، 53 درصد و 46 درصد برآورد گرديد. براساس نتايج مدل مخاطرات متناسب كاكس (p<0/05) بين زمان بقاي بيماران و متغيرهاي(pco2 (hr= 1.021، سن تشخيص بيماري (hr= 0.805)، نوع تومور nsclc نسبت به sclc hr= 0.567 و متاستاز مغز (hr= 1.792) ارتباط معني دار وجود دارد.استنتاج: نتايج مطالعه حاضر نشان مي دهد زمان بقاي بيماران مبتلا به سرطان ريه بسيار كوتاه است و با افزايش سن بيماران كاهش مي يابد. هم چنين خطر مرگ در بيماران داراي سرطان ريه سلول كوچك (sclc) و بيماراني كه دچار متاستاز مغز شده اند، بيش تر از ساير بيماران مي 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.