بررسی عوامل موثر بر عود بیماری در مبتلایان به سرطان پستان با استفاده از مدل شفا یافته ناآمیخته پواسن بتا وایبل

مقدمه: در سال های اخیر درمان در بسیاری از بیماری ها بویژه سرطان ها پیشرفت قابل توجهی یافته است، بنابراین تعداد بیمارانی که مرگ را تجربه نمی کنند افزایش یافته است و در نتیجه بکارگیری مدل های شفایافتگی موثرتر از مدل های معمول بقا است. هدف از این مطالعه برآورد نسبت شفای بدون عود سرطان پستان با استفاده از مدل شفا یافته ی ناآمیخته پواسن بتا وایبل و بررسی عوامل موثر آن می باشد.روش بررسی: در این مطالعه کوهورت از اطلاعات 271 بیمار مبتلا به سرطان پستان استفاده شد که در سال های 1385-1376 به پژوهشکده سرطان معتمد جهاد دانشگاهی مراجعه کرده بودند. فاصله زمانی تشخیص بیماری تا رخداد عود بیماری محاسبه شد و تاثیر عوامل موثر بر آن ابتدا با استفاده از مدل بقای کاکس به عنوان معمول ترین روش تحلیل بقا برآورد شد. سپس با محاسبه نسبت شفایافتگی از عود، تاثیر عوامل موثر بر بقا و شفای بیماران با استفاده از مدل های وایبل و شفایافته ناآمیخته بتا وایبل پواسون تحلیل شد. تحلیل داده ها با استفاده از نرم افزار r 3.4.1 انجام شد و سطح معنی داری 5 درصد در نظر گرفته شد.یافته ها: نتایج این مطالعه نشان داد که 17(6.3%) نفر از بیماران پس از درمان دارای عود بودند. بقای یک، سه و پنج ساله بیماران به ترتیب 0.97، 0.96 و 0.93بود. نتایج نشان داد مدل بتا وایبل پواسون با کمترین معیار آکائیکه، بهترین برازش را به داده ها دارد. براساس این مدل، گیرنده استروژن مثبت از عوامل موثر بر شفایافتگی بود (hr=0.27) و نسبت شفایافتگی 92% برآورد شد.نتیجه گیری: مطابق نتایج این مطالعه، متغیر گیرنده استروژن مثبت بعنوان عامل موثر بر شفای بیماری شناخته شد. مدل شفایافته بتا وایبل پواسون برازش بهتری به داده ها داشت. به دلیل این که این مدل علاوه بر عوامل موثر بقا، عوامل موثر بر شفایافتگی را نیز تحلیل می کند، استفاده از این مدل در بررسی پیامدهایی با رخداد کم پیشنهاد می شود.

Determining the correlated factors of breast cancer recurrence by Poisson BetaWeibull non mixture cure model

Introduction: Therapies for many of diseases, especially cancer, have been improved significantly in the recent years, resulting in an increase in the number of patients who do not experience mortality. Therefore, the application of cure models is more suitable for survival analysis in this population than the usual survival models are. The aim of this study was to estimate the recurrencefree cure rate of breast cancer using the Poisson Beta Weibull (PBW) cure model and to determine the correlating factors.Methods: The data for this study came from a cohort of 271 breast cancer patients who had visited Motamed Cancer Institute, Tehran, between 1997 and 2006 and were followed up from 2013 to 2017. In this study, the time interval between diagnosis and recurrence of the disease was calculated, and the effect of factors was estimated using a Cox survival model as the most common method of survival analysis. Then, by calculating the cure rate from recurrence, the effect of factors on patients’ survival and cure was analyzed using Weibull and PBWcure models. Data were analyzed using R, v 3.4.1, at a significance level of 5%.Results: The results showed that 17 (6.3%) of patients experienced relapse after treatment. One, 3, and 5year survival rates for the patients were 0.97, 0.96, and 0.93, respectively. The results of this study showed that PBW Model has a better fit to data with the smallest AIC. Based on this model, estrogen receptor positivity was a significant factor affecting patients' cure (HR = 0.27) and the cure fraction was estimated to be 92%.Conclusion: Estrogen receptor positivity is the most important factor affecting patients’ cure. The Poisson Beta Weibull cure model has a better fit to data. Since the model analyzes factors affecting both survival and cure, using this model is recommended in the analysis of the events with low incidence.