تحليل بقاي پارامتري و نيمه‌پارامتري بيماران مبتلا به سرطان ريه

Parametric and semi parametric survival analysis of patients with lung cancer

چكيده: (1861 مشاهده) هدف: سرطان ريه يكي از شايع‌ترين سرطان‌ها در جهان و جز پنج سرطان شايع و سومين عامل مرگ در ايران است. در اين مطالعه جهت بررسي عوامل موثر بر بقاي بيماران سرطان ريه از مدل‌هاي نيمه‌پارامتري كاكس و پارامتري وايبل استفاده و كارايي آن‌ها مقايسه شد. مواد و روش‌ها: در اين مطالعه توصيفي-تحليل كه از نوع طولي بود، 228 بيمار مبتلا به سرطان ريه طي سال‌هاي 1370 تا 1385 پيگيري و اطلاعات لازم از طريق مركز ثبت سرطان بابل جمع‌آوري شد. سن هنگام تشخيص بيماري، جنسيت، محل سكونت، تحصيلات، وضعيت اقامت، استعمال دخانيات، سابقه خانوادگي و استان محل زندگي به عنوان عوامل دموگرافيك به مدل‌هاي مخاطرات متناسب كاكس و وايبل اضافه شد و سپس كارايي دو مدل با استفاده از معيار اطلاع آكائيكه مقايسه گرديد. يافته‌ها: در اين مطالعه كه 75 درصد از نمونه‌هاي آن مرد بودند، ميزان بقاي يك، سه و پنج ساله به ترتيب 13، 8 و 8 درصد بود و از عوامل بررسي شده در مدل وايبل، اثر استعمال دخانيات بر زمان بقا معني‌دار بود (0/05P<) ولي در مدل كاكس اثر هيچ يك از عوامل معني‌دار نبود (0/05P>). بر اساس ملاك آكائيكه، كارايي مدل وايبل بهتر از مدل كاكس بود. نتيجه‌گيري: علي‌رغم تمايل بسياري از محققين به استفاده از مدل كاكس در تحليل داده‌هاي بقا، نتايج اين مطالعه نشان داد مدل وايبل در تحليل داده‌هاي بقاي سرطان ريه كاراتر است. با توجه به نتايج اين تحقيق، پيشگيري از استعمال دخانيات جهت افزايش طول عمر بيماران سرطان ريه ضروري به نظر مي‌رسد.

Introduction: The lung cancer is the third cause of death and also one of the five common cancers in Iran. In this study, the efficiency of semi-parametric Cox models and Weibull parametric models in order to evaluate the effective factors of survival time of patients with lung cancer were investigated. Materials and Methods: This study was a prospective-cohort study in which the total number of 228 patients with lung cancer followed up from 1991-2007 and necessary information such as age at the time of diagnosis, gender, place of residence, education, residence status smoking, family history of cancer, province were collected from Babol cancer registry center. Then, these added to Cox and Weibull models as demographic factors. Akaike information criterion (AIC) was used to compare the efficiency of competing models. Results: In this study, 75% of cases were men and only 8% of patients survived until the end of the study. The 1, 3, and 5- year survival rates were 13, 8 and 8% respectively. Among the factors studied in the Weibull model, the effect of smoking on survival time was significant (p<0.05) but none of them were significant in the Cox model (p>0.05). However, AIC suggested higher efficiency for parametric Weibull model. Conclusion: In spite of the importance of the Cox model is as a more common method by researchers, this study showed that the Weibull model is more efficient in survival data analysis. According to the results of this study smoking prevention is necessary to increase the longevity of patients with lung cancer.