مقايسه مدل‌هاي بقاي شفايافته آميخته وايبل، گاما، لگ نرمال و لگ لجستيك در تحليل بقاء بيماراني كه دياليز صفاقي سرپايي مداوم (CAPD) مي‌شوند

A Comparison Between Weibull, Gama, Log -Normal and Log -Logistic Mixture Cure Models in Survival Analysis of Patients Undergoing (Continuous Ambulatory Peritoneal Dialysis) CAPD

Normal 0 false false false EN-US X-NONE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-qformat:yes; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin:0cm; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri","sans-serif"; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-fareast-font-family:"Times New Roman"; mso-fareast-theme-font:minor-fareast; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Arial; mso-bidi-theme-font:minor-bidi;} مقدمه و اهداف: دياليز صفاقی يكی از شايع‌ترين روش‌هاي دياليز است كه در بيماران مبتلا به بيماری نارسايی كليه انجام می‌شود. اغلب مطالعات عوامل موثر بر بقا را با استفاده از آزمون لگ- رتبه‌ای و روش كاكس بررسی كرده‌اند. در اين مطالعه امكان استفاده از مدل شفايافته در تحليل بقا اين بيماران را بررسی كرده، و كارايی مدل‌های بقا شفايافته آميخته وايبل، گاما، لگ نرمال و لجستيك مقايسه می‌شود. روش كار: تعداد 433 بيمار از بيمارستان‌های شفا و شريعتي كه طی سال‌های 1376 لغايت 1388، به صورت همگروهی گذشته نگر وارد مطالعه شدند. اثر متغير‌هاي جنس، سن، مركز درمانی، كلسترول، LDL، HDL، تری گليسريد، آلبومين، هموگلوبين، كراتينين، FBS، كلسيم و فسفر بررسي شد. از نرم افزارSTATA (11.0)  و زيربرنامه CUREREGR جهت تحليل استفاده شد. نتايج: شاخص آكائيك برای مدل وايبل برای تمام متغيرها كمتر از ساير مدل‌ها می‌باشد. در مدل چند متغيره، سن و آلبومين روی بقا بلند مدت بيماران اثر معنی‌داری داشتند (01/0>P). اثر تری گليسريد روی بقای بلند مدت در مرز معنی‌داري قرار داشت (065/0=P).  همچنين اثرHDL, FBS  و كلسيم روی بقاء كوتاه مدت معنی‌دار بود (01/0>P). ولی LDL در مرز معنی‌داری قرار داشت (088/0=P). نتيجه‌گيری: مدل‌های شفايافته می‌تواند در شرايط مناسب برای تحليل بقا بيماران دياليزی به كار روند و بقای بلند مدت بيماران را از بقاي كوتاه مدت جدا كنند. اين ابزار آماری می‌تواند تفسير ظريف‌تر و دقيق‌تر از آنچه كه در داده‌های بقا وجود دارد، ارائه كند.

Background & Objectives: Peritoneal dialysis is one of the most common types of dialysis in patients with renal failure. However multivariate analysis such as log- rank test and Cox have usually used to evaluate association of risk factors in survival of this group of patients, the aim of this study was to perform of Weibull, Gamma, Lognormal and Logistic Mixture cure models in survival analysis of these patients. Methods: Data of 433 patients undergoing CAPD who registered in two centers in Tehran, Iran between 1997 to 2009 were used in this analysis. We investigated center, gender, age, cholesterol, Low Density Lipoprotein (LDL), High density lipoprotein (HDL), triglyceride, albumin, hemoglobin, creatinine, Fasting Blood Sugar (FBS), calcium and phosphorous as variables effect with Kaplan-Meier and cure model. CUREREGR module was used for survival analysis. Results: Comparison of AIC (Akaike Information Criterion) of Weibull, Gama, Lognormal and Logistic Mixture cure models showed that Weibull distribution AIC is lower for almost all variables than other distributions. Weibull distribution has better fitness for data than others. In the multivariate Weibull model, age and albumin variables had significant effect on long-term survival of patients (P<0.01). Triglycerides effect on long-term survival had borderline (P = 0.065). Also HDL, FBS and calcium were significant on short term survival (P<0.01) but significance of LDL was borderline (P=0.088). Conclusion: Cure models have the ability to analyze dialysis patientsʹ survival data and can differentiate long-term survival from short- term survival. The interpretation of survival data with these statistical models could be more accurate and would help to make better prediction for patients by health care professionals.