مقایسه روش‌ های انباشت تصادفی بقا در حضور ریسک‎های رقابتی و مدل‌ های رگرسیون در تعیین عوامل خطر مرگ در بیماران مبتلا به سرطان پستان در مرکز مهدیه همدان

مقدمه: سرطان پستان یکی از شایع ترین سرطان های زنان در سراسر جهان است. افراد مبتلا به سرطان ممکن است به دلیل پیشرفت بیماری یا به سایر دلایل بمیرند که به این گونه از رخدادهای چندگانه ریسک های رقابتی می گویند. این مطالعه با هدف تعیین عوامل مرتبط با بقای بیماران مبتلا به سرطان پستان با استفاده از سه مدل رگرسیون مخاطرات علت ویژه، زیرتوزیع و مدل انباشت تصادفی بقا انجام شده است.روش بررسی: مطالعه هم گروهی تاریخی بروی 527 بیماران سرطان پستان در همدان طی سال های 1394-1383 انجام شد. برای تعیین عوامل خطر مرگ به دلیل پیشرفت سرطان و مرگ بدون پیشرفت سرطان از مدل های مخاطرات علت ویژه، مخاطرات زیرتوزیع و انباشت تصادفی بقا در حضور ریسک های رقابتی برازش داده شد. تحلیل داده ها با نرم افزار r3.4.3 انجام شد.یافته ها: نتایج نشان داد که برای پیشامد مرگ ناشی از سرطان پستان، سن و تعداد غدد لنفاوی درگیر در هر دو مدل مخاطره علت ویژه و زیرتوزیع معنادار است (0.05p<) و در مدل انباشت تصادفی با قاعده تقسیم لگ رتبه و مدل انباشت تصادفی بقا با قاعده تقسیم gray، برای پیشامد مرگ بر اثر سرطان متغیرهای سایز تومور، تعداد غدد لنفاوی درگیر، پروژسترون، استروژن و سابقه خانوادگی متغیرهای مهم شناسایی شدند. نتیجه گیری: نتیجه مدل های مختلف در مطالعه حاضر نشان داد که تشخیص زودهنگام و مراجعات دوره ای یکی از مهم ترین عوامل برای جلوگیری از پیشرفت بیماری در این بیماران است. در حضور ریسک های رقابتی در صورتی که فروض زیربنایی استفاده از مدل های رگرسیون علت ویژه و زیرتوزیع برقرار نباشد استفاده از مدل انباشت تصادفی بقا برای داده های رخدادهای رقابتی به منظور تعیین عوامل خطر موثر بر بقا با توجه به شاخص هماهنگی و شاخص نمره بریر مناسب تر است. همچنین آنالیز بقا متوسط زمان پیگیری 49.3 ماه بود.

Comparison of Random Survival Forests for Competing Risks and Regression Models in Determining Mortality Risk Factors in Breast Cancer Patients in Mahdieh Center, Hamedan, Iran

Introduction: Breast cancer is one of the most common cancers among women worldwide. Patients with cancer may die due to disease progression or other types of events. These different event types are called competing risks. This study aimed to determine the factors affecting the survival of patients with breast cancer using three different approaches: causespecific hazards regression, subdistribution hazards regression, and the random survival forest for competing risks.Methods: A historical cohort study was conducted on 527 breast cancer patients diagnosed in Mahdieh Medical Center, Hamadan, between 2004 and 2015. To determine risk factors for death due to cancer progression or other competing risks, causespecific hazards and substandard hazards models and a random survival forest for competing risk were fitted. Data analysis was performed with R 3.4.3.Results: Findings showed that for death from the progression of breast cancer, age and number of involved lymph nodes were significant in both models (P < 0.05), and in the random survival forest model for death due to cancer progression, tumor size, number of involved lymph nodes, progesterone, estrogen, and family history were the important identified variables.Conclusion: In the presence of competing risks, when the underlying assumptions of causespecific and subdistribution hazard regression models are not established, the use of random survival forest for competing events data to determine the risk factors affecting survival according to the coordination index and Brier score is more appropriate.