معرفی مدل های چند حالته در تحلیل بقا و ارایه مثال کاربردی به منظور بررسی عوامل مرتبط با تغییر وضعیت دریافت کنندگان پیوند قلب: یک مقاله مروری

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 80

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HSR-21-4_001

تاریخ نمایه سازی: 1 دی 1404

چکیده مقاله:

مقدمه: پژوهش حاضر به معرفی و کاربرد مدل های چند حالته در تحلیل بقا برای بررسی عوامل موثر بر تغییر وضعیت دریافت کنندگان پیوند قلب پرداخت. مدل های چند حالته به طور رایج به منظور توصیف مسیر پیشرفت بیماری استفاده می شوند و پیچیدگی آن ها به تعداد حالات و انتقال های ممکن بستگی دارد. این مدل ها امکان بررسی تاثیر متغیرهای کمکی بر احتمال انتقال بین حالت های مختلف بیماری را فراهم می کنند. روش ها: در جهت تبیین فرایند عملکرد مدل، از اطلاعات بیماران دریافت کننده پیوند قلب برگرفته از مقاله ی Sharples و همکاران استفاده شد. بر اساس این داده ها، پیشرفت بیماری در چهار حالت مختلف شامل حالت ۱ (سلامت)، حالت ۲ (بیماری قلبی خفیف/ متوسط)، حالت ۳ (بیماری قلبی شدید) و حالت ۴ (مرگ) با هدف پیشرفت سیر بیماری و انتقال بیماران از یک حالت به حالات بعدی جمع آوری گردید. جهت دستیابی به نتایج مطلوب، مدل های رگرسیون Cox و رگرسیون Cox طبقه بندی شده مورد استفاده قرار گرفت. یافته ها: در این مطالعه، از داده های ۶۲۲ بیمار دریافت کننده پیوند قلب استفاده شد که پیشرفت بیماری در چهار حالت تعریف گردید. میانگین سنی دریافت کنندگان در هنگام پیوند ۹۰/۱۰± ۹۰/۴۸ سال، اهداکنندگان قلب ۴۰/۱۱ ± ۸۰/۲۸سال و معاینه پس از پیوند ۳۴/۳± ۸۴/۳ سال بود. وقوع بیماری قلبی پس از دریافت پیوند برای فرد دریافت کننده پیوند با سنین بالا تر، بیشتر گزارش شد؛ به طوری که فرد دریافت کننده با سن بیشتر از ۶۵ سال، دارای خطر بالاتر و بقای کمتر نسبت به فرد دریافت کننده پیوند در سنین پایین تر بود [۰۰۱/۰ > P، ۷۷۸/۲-۲۲۴/۱ : Confidence interval (CI) ۹۵ درصد، ۸۴۵/۱ = (HR)]. نتیجه گیری: بقای بیماران بدون بیماری پس از پیوند یا با حالات خفیف بیماری، بیشتر از بیماران با حالات شدید می باشد. همچنین، دریافت پیوند در سنین پایین تر، با احتمال بقای بالاتر و خطر کمتر ابتلا به بیماری های پس از پیوند همراه است. بنابراین، زمان انجام پیوند عامل مهم و تاثیرگذاری بر پیشرفت بیماری و نتایج بالینی محسوب می شود

کلیدواژه ها:

Survival analysis ، Multi-state models ، Stratified cox regression ، Heart transplantation ، تحلیل بقا ، مدل های چند حالته ، رگرسیون کاکس طبقه بندی شده ، پیوند قلب

نویسندگان

شیما امین زاده

PhD Student, Department of Epidemiology and Biostatistics, School of Public Health, Isfahan University of Medical Sciences, Isfahan, Iran

مرجان منصوریان

Professor, Department of Epidemiology and Biostatistics, School of Public Health, Isfahan University of Medical Sciences, Isfahan, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Kleinbaum DG, Klein M. Survival analysis a self-learning text: Springer; ...
  • Grimm H. Bharucha‐Reid, AT: Elements of the Theory of Markov ...
  • Aalen O, Borgan O, Gjessing H. Survival and event history ...
  • Jackson CJJoss. Multi-state models for panel data: the msm package ...
  • Fleming TR, Harrington DP. Counting processes and survival analysis: John ...
  • Liu Y, Phillips M, Codde J. Factors influencing patients' length ...
  • Sharples LD, Jackson CH, Parameshwar J, Wallwork J, Large SRJT. ...
  • Meira-Machado L, de Uña-Álvarez J, Cadarso-Suárez C, Andersen PKJSmimr. Multi-state ...
  • Hougaard P. Analysis of multivariate survival data: Springer; ۲۰۰۰ ...
  • Andersen PK, Keiding N. Multi-state models for event history analysis. ...
  • Commenges DJLda. Multi-state models in epidemiology. ۱۹۹۹;۵:۳۱۵-۲۷ ...
  • Putter H, Fiocco M, Geskus RBJSim. Tutorial in biostatistics: competing ...
  • Rouhifard M, Yaseri MJJoB, Epidemiology. Use of multi-state models for ...
  • Welton NJ, Ades A. Estimation of Markov chain transition probabilities ...
  • Jackson CH, Sharples LD, Thompson SG, Duffy SW, Couto E. ...
  • Getahun DZ. Multistate models of HIV/AIDS by homogeneous semi-Markov process. ...
  • Goshu AT, Dessie ZG. Modelling progression of HIV/AIDS disease stages ...
  • J Journal of Data Science. ۲۰۱۳;۱۱:۲۶۹-۸۰ ...
  • Gillaizeau F, Dantan E, Giral M, Foucher Y. A multistate ...
  • Goshu AT, Dessie ZGJJoDS. Modelling progression of HIV/AIDS disease stages ...
  • Leung KM, Elashoff RM, Afifi AA. Censoring issues in survival ...
  • Kleinbaum DG, Klein M. Survival Analysis. ۲۰۲۰ ...
  • Macdonald AS. An Actuarial Survey of Statistical Models for Decrement ...
  • Matsena Zingoni Z, Chirwa TF, Todd J, Musenge E. A ...
  • Vale F, editor Spatial data mining II: A deep dive ...
  • Jackson CJC, UK. Multi-state modelling with R: the msm package. ...
  • Sharples LD, Jackson CH, Parameshwar J, Wallwork J, Large SR. ...
  • Esmaily H, Hadialijanvand M, Doosti H, Shakeri MT. Panel data ...
  • Hui SL, Zhou XHJSmimr. Evaluation of diagnostic tests without gold ...
  • Aminzadeh S. Associated factors with patient's admission status between covid-۱۹ ...
  • Rahimi A, Taghipour H, Ebadi A, M. p. Comparing patients’ ...
  • Joglar JA, Wan EY, Chung MK, Gutierrez A, Slaughter MS, ...
  • Pober JS, Chih S, Kobashigawa J, Madsen JC, Tellides GJCR. ...
  • Du Y, Duan C, Yang Y, Yuan G, Zhou Y, ...
  • Hajihosseini M, Kazemi T, Faradmal J. Multistate Models for Survival ...
  • Kleinbaum DG, Klein M. Survival analysis a self-learning text: Springer; ...
  • Grimm H. Bharucha‐Reid, AT: Elements of the Theory of Markov ...
  • Aalen O, Borgan O, Gjessing H. Survival and event history ...
  • Jackson CJJoss. Multi-state models for panel data: the msm package ...
  • Fleming TR, Harrington DP. Counting processes and survival analysis: John ...
  • Liu Y, Phillips M, Codde J. Factors influencing patients' length ...
  • Sharples LD, Jackson CH, Parameshwar J, Wallwork J, Large SRJT. ...
  • Meira-Machado L, de Uña-Álvarez J, Cadarso-Suárez C, Andersen PKJSmimr. Multi-state ...
  • Hougaard P. Analysis of multivariate survival data: Springer; ۲۰۰۰ ...
  • Andersen PK, Keiding N. Multi-state models for event history analysis. ...
  • Commenges DJLda. Multi-state models in epidemiology. ۱۹۹۹;۵:۳۱۵-۲۷ ...
  • Putter H, Fiocco M, Geskus RBJSim. Tutorial in biostatistics: competing ...
  • Rouhifard M, Yaseri MJJoB, Epidemiology. Use of multi-state models for ...
  • Welton NJ, Ades A. Estimation of Markov chain transition probabilities ...
  • Jackson CH, Sharples LD, Thompson SG, Duffy SW, Couto E. ...
  • Getahun DZ. Multistate models of HIV/AIDS by homogeneous semi-Markov process. ...
  • Goshu AT, Dessie ZG. Modelling progression of HIV/AIDS disease stages ...
  • J Journal of Data Science. ۲۰۱۳;۱۱:۲۶۹-۸۰ ...
  • Gillaizeau F, Dantan E, Giral M, Foucher Y. A multistate ...
  • Goshu AT, Dessie ZGJJoDS. Modelling progression of HIV/AIDS disease stages ...
  • Leung KM, Elashoff RM, Afifi AA. Censoring issues in survival ...
  • Kleinbaum DG, Klein M. Survival Analysis. ۲۰۲۰ ...
  • Macdonald AS. An Actuarial Survey of Statistical Models for Decrement ...
  • Matsena Zingoni Z, Chirwa TF, Todd J, Musenge E. A ...
  • Vale F, editor Spatial data mining II: A deep dive ...
  • Jackson CJC, UK. Multi-state modelling with R: the msm package. ...
  • Sharples LD, Jackson CH, Parameshwar J, Wallwork J, Large SR. ...
  • Esmaily H, Hadialijanvand M, Doosti H, Shakeri MT. Panel data ...
  • Hui SL, Zhou XHJSmimr. Evaluation of diagnostic tests without gold ...
  • Aminzadeh S. Associated factors with patient's admission status between covid-۱۹ ...
  • Rahimi A, Taghipour H, Ebadi A, M. p. Comparing patients’ ...
  • Joglar JA, Wan EY, Chung MK, Gutierrez A, Slaughter MS, ...
  • Pober JS, Chih S, Kobashigawa J, Madsen JC, Tellides GJCR. ...
  • Du Y, Duan C, Yang Y, Yuan G, Zhou Y, ...
  • Hajihosseini M, Kazemi T, Faradmal J. Multistate Models for Survival ...
  • نمایش کامل مراجع