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

XML English Abstract Print


Download citation:
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
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)

URL: http://newresearch.medilam.ac.ir/article-1-540-fa.html


دانشگاه علوم پزشکی ایلام
چکیده:   (658 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.
     
نوع مطالعه: کوهورت | موضوع پروپزال: آمار حیاتی
دریافت: 1398/1/17 | پذیرش: 1398/4/19 | انتشار: 1401/3/29

ارسال نظر درباره این پروپزال : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به مجری اصلی


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به سامانه جامع مدیریت اطلاعات تحقیقات، پژوهش و فناوری می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 All Rights Reserved | Technology and Research Information System

Designed & Developed by : Yektaweb