|
|
تعیین عوامل موثر بر بقای پیوند کلیه در بیماران پیوندی از دهنده زنده با استفاده از مدل جنگل تصادفی بقا
|
|
|
|
|
نویسنده
|
روشنایی قدرت اله ,امیدی طاهره ,فردمال جواد ,صفری ملیحه ,پورالعجل جلال
|
منبع
|
كومش - 1397 - دوره : 20 - شماره : 3 - صفحه:517 -523
|
چکیده
|
هدف: روش رایج در برآورد شاخصهای بقا، مدل کاکس است. در دادههایی با حجم بالا، وجود اثر متقابل از درجات مختلف در مدل قابل انتظار است. در چنین وضعیتی مدل کاکس عملکرد مناسبی ندارد.مدل انباشت تصادفی بقا (random survival forest, rsf) به عنوان جایگزین مدل کاکس می تواند در چنین وضعیتی مفید باشد. هدف این مطالعه تعیین عوامل موثر بر بقای پیوند کلیه در بیماران پیوندی از دهنده زنده با استفاده از روش rsf است.مواد و روشها: این مطالعه همگروهی تاریخی بر روی 459 بیمار دریافتکننده پیوند کلیه از دهنده زنده طی سالهای 1390-1373 شهر همدان میباشد. مدت زمان بین پیوند کلیه و رد برگشتناپذیر پیوند به عنوان پاسخ در نظر گرفته شد. مدلسازی عوامل موثر در میزان بقا، با استفاده از مدل کاکس و rsf انجام و دو مدل مقایسه شد.یافتهها: میزان بقای 5، 10 و 15 سال به ترتیب 91.60%، 85.30% و 74.90% بهدست آمد. سن گیرنده پیوند، شرایط بیمار در زمان ترخیص، میزان هموگلوبین گیرنده، میزان آخرین کراتنین و استفاده از داروهای مهارکننده ایمنی به عنوان مهم ترین متغیرها در روش rsf شناسایی شدند. متغیرهای سن گیرنده، شرایط بیمار در زمان ترخیص و استفاده از داروهای مهارکننده ایمنی در مدل کاکس معنیدار شد.نتیجهگیری: در صورت استفاده از مدل کاکس تنها متغیرهای سن گیرنده، شرایط بیمار در زمان ترخیص و استفاده از داروهای مهارکننده ایمنی بر بقای پیوند متغیرهای تاثیرگذار شناسایی میشوند در صورتی که روش rsf با پذیره های محدودکننده کمتر قادر است عوامل مرتبط بر بقا را با دقت بالاتری تعیین نماید.
|
کلیدواژه
|
پیوند کلیه، انباشت تصادفی بقا، اهدا کننده زنده، تحلیل بقا
|
آدرس
|
دانشگاه علوم پزشکی همدان, مرکز تحقیقات مدلسازی بیماریهای غیرواگیر, دانشکده بهداشت, گروه آمار زیستی و اپیدمیولوژی, ایران, دانشگاه علوم پزشکی همدان, دانشکده بهداشت, گروه آمار زیستی, ایران, دانشگاه علوم پزشکی همدان, مرکز تحقیقات مدلسازی بیماریهای غیرواگیر, دانشکده بهداشت, گروه آمار زیستی و اپیدمیولوژی, ایران, دانشگاه علوم پزشکی همدان, دانشکده بهداشت, گروه آمار زیستی, ایران, دانشگاه علوم پزشکی همدان, مرکز تحقیقات علوم بهداشتی, دانشکده بهداشت, گروه آمار زیستی و اپیدمیولوژی, ایران
|
|
|
|
|
|
|
|
|
|
|
Determining affected factors on survival of kidney transplant in living donor patients using a random survival forest
|
|
|
Authors
|
Roshanaei Ghodratollah ,Omidi Tahereh ,Faradmal Javad ,Safari Maliheh ,Poorolajal Jalal
|
Abstract
|
Introduction: The common method for estimating survival indices is the Cox model. In the data with high volume, different order of interaction in the model is predictable. In that case, performance of the Cox model is not properly. Correspondingly, random survival forest (RSF) model is an alternative to the Cox model in this situation. The aim of this study is to determine factors that affected survival of patients with kidney transplant using RSF.Materials and Methods: This historical cohort study carried on 459 kidney transplant recipients of living donor during of 1993 2011 in Hamadan (Iran). Time between kidney transplant and irreversible transplant rejection was considered as a response. Modeling of determinants of survival was performed using Cox and RSF models and they were compared.Results: The survival rate of 5, 10 and 15 years were 91.6%, 85.3% and 74.9% respectively. Important variables selected based on various criteria in RSF were age of transplant recipient, the patient #39;s condition at discharge, hemoglobin of receptor, the last Creatinine and the use of immunosuppressive drugs (inhibitors drug) in RSF model. Age of recipient, the patient #39;s condition at discharge and the use of immunosuppressive drugs in the Cox model were significant.Conclusion: Age of recipient, the patient #39;s condition at discharge and the use of immunosuppressive drugs are determined as risk factors in Cox regression while the RSF method with less limited assumptions is able to determine risk factors of survival rate more precisely.
|
Keywords
|
kidney Transplantation ,Living Donors ,Proportional hazard model ,Random Survival Forest
|
|
|
|
|
|
|
|
|
|
|