تعيين عوامل موثر در ميزان بقاي بيماران مبتلا به سرطان كولون بااستفاده از مدل بندي بقا

detection of effective factors in the survival rate of colon cancer patients using Survival modeling

زمينه و هدف: سرطان هاي كولون و ركتوم، سومين سرطان شايع در دنيا هستند. اين مطالعه جهت تعيين عوامل موثر بر بقاي بيماران مبتلا به سرطان كولون مراجعه كننده به بيمارستان اميد مشهد، طي سالهاي 1385 تا 1389 اجرا گرديد. مواد و روش كار: در اين مطالعه ي هم گروهي تاريخي 136 بيمار مبتلا به سرطان كولون وارد مطالعه شدند. اطلاعات دموگرافيك و باليني بيماران جمع آوري شد. با توجه به محك آكاييك، بهترين مدل جهت برازش به داده ها انتخاب و عوامل موثر با استفاده از نرم افزار SAS تعيين شدند. سطح معني داري 05/0 در نظر گرفته شد. يافته ها: ميانگين سني بيماران حين تشخيص 22/1 ± 36/57 سال بود. با توجه به محك آكاييك، مدل كاكس، مدل مناسب معرفي شد. بقاي يك، دو، سه و چهار ساله به ترتيب 76، 62، 56 و 44 درصد و در اين دوره ي پنج ساله، ميانه ي بقا 73/3 سال بود. احتمال بقا براي بيماران بدون تجربه ي عود، بيماران در مراحل پايين تر سرطان و بيماراني كه سابقه ي مصرف دخانيات نداشتند، به طور معني داري بيشتر است (05/0 > p-value) نتيجه گيري: با توجه به متفاوت بودن نتايج مطالعات مختلف، انجام مطالعات بيشتر جهت تعيين عوامل موثر بر بقاي بيماران ضروري به نظر مي رسد. ميانگين بقا در بيماران نسبت به مطالعات مشابه كمتر است (03/3 سال) كه تاخير در تشخيص بيماري را مي توان از عوامل پايين بودن اين شاخص قلمداد نمود و چون مرحله ي بيماري به عنوان عامل موثر معرفي شد، تاكيد به مراجعه ي زود هنگام جهت تشخيص، بايستي مدنظر قرار گيرد.

Background & objectives: Colon and rectum cancers are the third most common cancers in the world. The aim of this study was to determine the factors affecting the survival of colon cancer patients who referred to Omid Hospital of Mashhad from 2006 to 2011. Material & Methods: In this historical cohort study, 136 colon cancer patients were investigated. Demographic and clinical data were collected. Then the best model was determined to fit the survival data in regard to Akaike criteria and the risk factors were established using SAS software. (? = 0.05) Results: The mean age at diagnosis was 57.36 ± 1.22 years. According to Akaike criteria, the Cox model was identified as an appropriate model for fitting the survival data. The 1,2,3,4 years survival rate were 76%, 62%, 56% and 44% respectively and the mean survival time in five years period, was 3.03 years. Patients who were recurrence-free, patients with lower levels of cancer and patients without a history of smoking had a significantly higher survival probability (p-value < 0.05) Conclusion: Considering different results from different studies, further studies to detection of effective factors in the survival rate of patients seem to be necessary. Mean survival in these patients compared with the other studies is less (3.03) that delay in diagnosis maybe is one of its reasons and because Duke’s stage in one of the important effective factors, emphasis on early references for detection should be considered