ارزیابی متغیرهای پیش‌آگهی در رده‌بندی نرخ بقای بیماران مبتلا به سرطان کولورکتال با استفاده از درخت تصمیم

Abstract

مقدمه و اهداف: جستجو برای ارزیابی و تحلیل فاکتورهای مهم و موثر در بقای بیماران یکی از مباحث کلیدی در مطالعات بالینی است. مدل درخت تصمیم روش جدیدی است که در تعیین فاکتورهای پیش آگهی بیماری و رده بندی بیمارن بر اساس زیرگروه‌های همگن استفاده می‌شود. در این روش انتخاب رده‌ها برحسب مهم‌ترین فاکتورهای پیش‌آگهی صورت می‌گیرد. هدف از این مطالعه تحلیل داده‌های بقای بیماران مبتلا به سرطان کولورکتال با استفاده از درخت تصمیم است. روش کار: در این مطالعه، از داده‌های 739 بیمار مبتلا به سرطان کولورکتال استفاده شده است. این داده‌ها در مرکز تحقیقات بیماری‌های گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی ثبت شده‌اند. داده‌ها شامل اطلاعات دموگرافی و هیستوپاتولوژیک هستند. پیشامد مورد نظر در این مطالعه مرگ بیماران است و زمان بقای بیماران از زمان تشخیص بیماری تا وقوع پیشامد (یا سانسور شدن) است که بر حسب ماه اندازه‌گیری شده است. برای تحلیل داده‌ها و رده‌بندی بیماران از مدل درخت تصمیم استفاده شد. نتایج: مدل درخت تصمیم متغیرهای مرحله سرطان در زمان تشخیص (بر حسب TNM)، سن بیمار در زمان تشخیص، متغیر نوع مورفولوژی تومور و درجه سرطان را در سطح معناداری (05/0P<) به عنوان فاکتورهای پیش‌آگهی مهم در بقای بیماران مبتلا به سرطان کولورکتال نشان داد. همچنین بیماران بر حسب این فاکتورها به پنج زیرگروه همگن رده‌بندی شدند. مقادیر بزرگتر از 1 معیار اندازه اختلاف (measure of separation) (SEP)، مناسبت مدل را تائید می‌کند. نتیجه‌گیری: مدل درخت تصمیم علاوه بر ارزیابی فاکتورهای پیش‌آگهی بیماری، روشی مناسب و قدرتمند در رده‌بندی نرخ بقای بیماران است.