ارزیابی عوامل موثر بر عود بیماری لنفوم هوچکین با استفاده از مدل جنگل تصادفی بقا و مقایسه آن با مدل رگرسیون کاکس

زمینه و هدف: در بسیاری از تحقیقات پزشکی، رگرسیون خطرات متناسب کاکس برای بررسی توزیع بقای بیماران سرطانی، مبتنی بر گروه‌بندی‌های دموگرافیک و کلینیکی به‌کار برده می‌شود. هدف از این مطالعه تعیین عوامل موثر بر بقای بیماران مبتلا به لنفوم هوچکین با استفاده از روش ناپارامتری جنگل تصادفی بقا (rsf) و مقایسه آن با مدل خطرات متناسب کاکس است.روش بررسی: در این مطالعه‌ کوهورت گذشته‌نگر، پرونده‌های تمامی بیماران مبتلا به لنفوم هوچکین که در طی سال‌های 1381 (فروردین) تا 1391 (اسفند) به مرکز آنکولوژی و هماتولوژی بیمارستان شفای اهواز مراجعه نمودند، مورد بررسی قرار گرفتند. بقای بیماران از زمان تشخیص اولیه بیماری تا عود بیماری محاسبه شد. برای ارزیابی روند بیماری، ویژگی‌های جمعیت‌شناختی و متغیرهای مربوط به بیماری (شامل مرحله بیماری، شیمی درمانی، محل درگیری لنف و غیره) از پرونده 387 بیمار مبتلا به لنفوم‌هوچکین استخراج شد. تحلیل داده‌ها با نرم‌افزار r4.0.3 و با استفاده بسته‌های survival و randomforestsrc انجام شد.یافته‌ها: نتایج حاصل از مدل کاکس نشان می‌دهد که (p=0/001)ldh و طبقه‌بندی کلاسیک لنفوم (0/001>p) معنادار می‌باشند. نتایج برازش مدل rsf نشان داد که مهمترین متغیرهای موثر بر عود به‌ترتیب مرحله بیماری، شیمی درمانی، طبقه‌بندی کلاسیک لنفوم و هموگلوبین بودند. همچنین مدل rsf براساس شاخص‌های مناسبت مدل (شاخص هماهنگی=84/9) نسبت به مدل کاکس ( شاخص هماهنگی=57/6) عملکرد بهتری داشت.نتیجه‌گیری: در صورتی‌که تعداد متغیرها زیاد بوده و بین متغیرها رابطه وجود داشته باشد، مدل rsf، متغیرهای مهم و تاثیرگذار بر بقای بیماران را بدون نیاز به پیش‌فرض‌های محدودکننده با دقت بالا نسبت به مدل کاکس شناسایی می‌کند. 

evaluation of risk factors of recurrence of hodgkin's lymphoma using random survival forest and comparison with cox regression model

background: in many studies, cox regression was used to assess the important factors that affect the survival of cancer patients based on demographic and clinical variables. the aim of this study was to determine the factors affecting the survival of patients with hodgkin’s lymphoma using the random survival forest (rsf) method and compare it with the cox model.methods: in this retrospective cohort study, all patients with hodgkin’s lymphoma who were referred to the oncology and hematology center of ahvaz shafa hospital from march 2000 to february 2010 were included. the survival time was calculated from diagnosis to the first recurrence event date (based on month). to assess the process of the disease, demographic characteristics and disease-related variables (including disease stage, chemotherapy, site of lymph involvement, etc.) were extracted from the records of 387 patients with hodgkin’s lymphoma. to investigate the prognostic factors that affect the recurrence of disease the cox model and rsf were implemented. moreover, their performance based on the c-index, ibs, and predictor error rate of the two models were compared data analysis was implemented by using r4.0.3 software (survival and randomforestsrc packages).results: the results of the cox model showed that ldh (p=0.001) and classical lymphoma classification (p<0.001) were associated with an increased risk of relapse in patients. however, the results of the rsf model showed that the important variables affecting the recurrence of disease were the stage of disease, chemotherapy, classical lymphoma classification, and hemoglobin, respectively. also, the rsf model showed a higher (c-index=84.9) than the cox model (c-index=57.6). furthermore, the rsf model revealed a lower error rate predictor (0.09) and ibs index (0.175) than the cox model. so, rsf has performed better than the cox model in determining prognostic factors based on the suitability indicators of the model.conclusion: the rsf has high accuracy than the cox model when there is a high number of predictors and there is collinearity. it can also identify the important variables that affect the patient’s survival.