fa مقایسه رگرسیون کاکس و مدل های پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده عمومى General پژوهشي Research <b>مقدمه و اهداف: </b>در بسیاری از تحقیقات پزشکی، با هدف بررسی توزیع بقای بیماران سرطانی براساس گروه‌بندی‌های دموگرافیک و کلینیکی از رگرسیون کاکس استفاده می‌شود حال آن‌که مدل‌های پارامتریک در برخی شرایط می‌توانند جایگزین مناسبی باشند. هدف از مطالعه حاضر مقایسه کارایی رگرسیون کاکس و مدل‌های پارامتریک در تحلیل بقای بیماران مبتلا به سرطان معده تحت مداوا در بخش گوارش بیمارستان طالقانی تهران است<br> <b>روش کار:</b> این تحقیق یک مطالعه گذشته‌نگر بود که از طریق مراجعه به پرونده بیماران مبتلا به سرطان معده که از تاریخ بهمن 1381 لغایت دی 1385 در بخش گوارش بیمارستان طالقانی تهران تحت درمان بودند و از طریق تماس تلفنی، اطلاعات مربوط به بقای بیماران جمع‌آوری شد و مجموعاً اطلاعات 746 بیمار به مطالعه وارد شدند. برای بررسی عوامل مؤثر بر بقای بیماران از رگرسیون کاکس و مدل‌های پارامتریک شامل وایبل، نمایی و لگ نرمال استفاده شد و معیار مقایسه کارایی مدل‌ها ملاک آکائیکه بود. کلیه محاسبات با نرم افزار SAS انجام و سطح معنی‌داری 05/0 در نظر گرفته شد.<br><b>نتایج:</b> نتایج حاصل نشان داد میزان بقا برای بیماران در گروه سنی زیر 35 سال، بیمارانی با تومورهای کوچک و بیمارانی که هنوز دچار متاستاز نشده بودند به طور معنی‌داری بالاتر است (05/0P<) هم‌چنین طبق ملاک آکائیکه، کارایی کاکس و مدل نمایی در آنالیز چند متغیری مشابه بودند اما در آنالیز تک متغیری، جز در مدل مربوط به تحلیل اثر اندازه تومور، مدل‌های پارامتریک از مدل کاکس کارایی بهتری داشتند و در میان آن‌ها مدل لگ نرمال از همه مناسب‌تر به نظر می‌رسید.<br><b>نتیجه گیری:</b> مدل کاکس و مدل نمایی در آنالیز چند متغیری مشابه بودند و اگر چه در آنالیز تک متغیری یک مدل مشخص به عنوان کاراترین مدل به دست نیامد اما نتایج نشان داد مدل لگ نرمال در میان مدل‌های پارامتریک بهترین برازش را دارد و می‌تواند به عنوان جایگزین کاکس در تحلیل بقای بیماران سرطان معده به کار رود.<p></p> <p dir="ltr" style="text-align: left"><b>Background & Objectives:</b> Although Cox regression is commonly used to detect relationships between patient survival and demographic/clinical variables, there are situations where parametric models can yield more accurate results. The objective of this study was to compare two survival regression methods, namely Cox regression and parametric models, in patients with gastric carcinoma registered at Taleghani Hospital, Tehran.<br><b>Methods: </b>Using data from 746 patients who had received care at Taleghani Hospital from February 2003 through January 2007, we compared survival rates between different patient groups with both parametric methods and Cox regression models. The former group included Weibull, exponential and log-normal regression we used the Akaike Information Criterion (AIC) and standardized parameter estimates to compare the efficiency of various models. All the analyses were performed with the SAS software and the level of significance was set at P< 0.05. <br><b>Results: </b>The results showed a significantly higher chance of survival in the following subgroups: those with age at diagnosis < 35 years, lower tumor size and those without metastases (P< 0.05). According to AIC, Cox and exponentials model are similar in multivariate analysis but in univariate analysis parametric models are more efficient than Cox, except in the case of tumor size. Log-normal appears to be the best model. <br><b>Conclusions:</b> Cox and exponential models have similar performance in multivariate analysis. However, it seems that there is no single model that performs substantially better than others in univariate analysis. The data strongly supported the log-normal regression among parametric models it can give more precise results and can be used as an alternative for Cox in survival analysis of patients with gastric cancer.</p> رگرسیون کاکس،مدل پارامتریک،ملاک آکائیکه،سرطان معده Cox,Parametric model,AIC,Gastric carcinoma 25 29 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-168&slc_lang=fa&sid=1 MA Pourhoseingholi محمدامین پورحسینقلی No E Hajizadeh ابراهیم حاجی زاده No A Abadi علیرضا ابدی No A Safaee آزاده صفایی No B Moghimi Dehkordi بیژن مقیمی دهکردی Yes MR Zali محمد رضا زالی No