دوره 5، شماره 1 - ( بهار 1401 1401 )
جلد 5 شماره 1 صفحات 0-0 |
برگشت به فهرست نسخه ها
Ethics code: IR.MEDILAM.REC.1398.071
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Deldar M, Sayehmiri K, anbiaee R, Jalilian A. Predicting Ovarian Cancer Survival Times: Comparison Of Parametric Methods With Random Survival Forests. Journal title 2022; 5 (1)
URL: http://newresearch.medilam.ac.ir/article-1-540-fa.html
URL: http://newresearch.medilam.ac.ir/article-1-540-fa.html
دلدار مریم، سایه میری کورش، انبیائی رباب، جلیلیان آناهیتا. پیش بینی زمان های بقای سرطان تخمدان : مقایسه ی روش های پارامتریک با جنگل های بقای تصادفی. عنوان نشریه. 1401; 5 (1)
دانشگاه علوم پزشکی ایلام
چکیده: (1081 مشاهده)
سابقه و هدف: پیشبینی زمان بقا دارای پیامدهای مؤثر زیادی در مدیریت کیفیت زندگی برای باقیماندهی عمر بیمار است، از طرفی دادههای بقا بسیار متغیرند و پیشبینیهای دقیق را دشوار میسازند. جنگل بقای تصادفی با تکرار ساخت درخت و میانگینگیری روی نتایج این درختها باعث کم شدن خطای پیشبینی و تعمیمپذیری بیشتر این نتایج میشود. این پایان نامه به مقایسهی خطای پیشبینی مدل جنگل بقای تصادفی با مدلهای کاکس و وایبول در پیشبینی زمان تا عود اول در بیماران مبتلا به سرطان تخمدان اپیتلیال میپردازد.
مواد و روشها: در این مطالعه از اطلاعات 141 بیمار مبتلا به سرطان تخمدان که از سال 1387 تا پایان سال 1397 به بیمارستان امام حسین تهران مراجعه کرده بودند استفاده شد. برای بررسی عوامل مؤثر بر عود اول بیماران، رگرسیون کاکس، مدل وایبول، درخت رگرسیون و کلاسبندی و جنگل بقای تصادفی به دادهها برازش شد و با استفاده از شاخص C-Index و نمرهی بریر خطای پیشبینی این مدلها با هم مقایسه شدند.
یافته ها: طبق نتایج جنگل بقا، متاستاتیک بودن تومور با استفاده از ملاک (VIMP)، با اهمیت نسبی 665/2 و کمترین عمق (MD) 349/2، مرحلهی بیماری با اهمیت نسبی 993/1 و عمق 678/2 و ماکسیمم پلاکت با اهمیت نسبی 132/2 و عمق 683/2 متغیرهای اثرگذار بودند. براساس نمرهی بریر خطای پیشبینی جنگل بقای تصادفی 16/0 و مدل کاکس 24/0 بود. مقدار خطای C-Index درجنگل بقای تصادفی 34/0 و در مدل کاکس 42/0 بود. نمرهی بریر برای مدل کاکس و وایبول تقریبا به یک میزان محاسبه شد، بنابراین خطای پیشبینی جنگل بقای تصادفی از هر دومدل کاکس و وایبول کمتر شد.
نتیجهگیری: برخلاف روشهای کلاسیک، جنگل بقای تصادفی بدون نیاز به پیش فرض خاصی با خطای پیشبینی کمتر میتواند تغییرات متغیر پاسخ را هنگام مواجهه با دادههای با ابعاد بالا بهخوبی تبیین کند.
مواد و روشها: در این مطالعه از اطلاعات 141 بیمار مبتلا به سرطان تخمدان که از سال 1387 تا پایان سال 1397 به بیمارستان امام حسین تهران مراجعه کرده بودند استفاده شد. برای بررسی عوامل مؤثر بر عود اول بیماران، رگرسیون کاکس، مدل وایبول، درخت رگرسیون و کلاسبندی و جنگل بقای تصادفی به دادهها برازش شد و با استفاده از شاخص C-Index و نمرهی بریر خطای پیشبینی این مدلها با هم مقایسه شدند.
یافته ها: طبق نتایج جنگل بقا، متاستاتیک بودن تومور با استفاده از ملاک (VIMP)، با اهمیت نسبی 665/2 و کمترین عمق (MD) 349/2، مرحلهی بیماری با اهمیت نسبی 993/1 و عمق 678/2 و ماکسیمم پلاکت با اهمیت نسبی 132/2 و عمق 683/2 متغیرهای اثرگذار بودند. براساس نمرهی بریر خطای پیشبینی جنگل بقای تصادفی 16/0 و مدل کاکس 24/0 بود. مقدار خطای C-Index درجنگل بقای تصادفی 34/0 و در مدل کاکس 42/0 بود. نمرهی بریر برای مدل کاکس و وایبول تقریبا به یک میزان محاسبه شد، بنابراین خطای پیشبینی جنگل بقای تصادفی از هر دومدل کاکس و وایبول کمتر شد.
نتیجهگیری: برخلاف روشهای کلاسیک، جنگل بقای تصادفی بدون نیاز به پیش فرض خاصی با خطای پیشبینی کمتر میتواند تغییرات متغیر پاسخ را هنگام مواجهه با دادههای با ابعاد بالا بهخوبی تبیین کند.
نوع مطالعه: کوهورت |
موضوع پروپزال:
آمار حیاتی
دریافت: 1398/1/17 | پذیرش: 1398/4/19 | انتشار: 1401/3/29
دریافت: 1398/1/17 | پذیرش: 1398/4/19 | انتشار: 1401/3/29
ارسال پیام به مجری اصلی
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
