title

ارزیابی متغیرهای پیش آگهی در رده بندی نرخ بقای بیماران مبتلا به سرطان ریه با استفاده از مدل درخت تصمیم در استان آذربایجان غربی

اباذری, مالک and اباذری, رضا and قدرت اله, روشنایی and مهدیا, غلام نژاد and روستا, یوسف and محجوب, حسین (1394) ارزیابی متغیرهای پیش آگهی در رده بندی نرخ بقای بیماران مبتلا به سرطان ریه با استفاده از مدل درخت تصمیم در استان آذربایجان غربی. مجله علمی پژوهشی دانشگاه علوم پزشکی سبزوار ــ 22 (4). pp. 549-566. شاپا 1606-7487

[img]
Preview
Text
733kB

Official URL: http://jsums.medsab.ac.ir

Persian Abstract

زمینه و هدف: سرطان ریه به علت شانس پایین زنده ماندن از مهمترین و کشنده ترین نوع سرطان محسوب میشود و بیشترین میزان مرگ ومیررا در مقایسه با سرطانهاي سینه، پروستات و سایر سرطانهاي چندگانه دارد. هدف از این مطالعه، تحلیل داده هاي بقاي بیماران مبتلا به سرطان ریه در استان آذربایجان غربی می باشد. مواد و روشها: در این مطالعه همگروهی تاریخی اطلاعات مربوط به 355 بیمار مراجعه کننده به بیمارستانهاي استان آذربایجان غربی در فاصله سالهاي 193-1386 مورد بررسی و وضعیت بقاي بیماران تا پایان خرداد 1393مورد پیگیري قرارگرفت. دادهها شامل اطلاعات دموگرافی و هیستوپاتولوژیک هستند. زمان بقاي بیماران از زمان تشخیص تا مرگ یا پایان مطالعه در نظرگرفته شد. براي تحلیل داده ها و رده بندي بیماران از مدل درخت تصمیم استفاده گردید. کلیه ي تحلیل ها با استفاده از نرم افزار R صورت گرفت. یافته ها: میانگین و میانه ي زمان بقا براي 3550بیمار مبتلا به سرطان ریه به ترتیب 13 ماه و 8/4 ماه برآوردگردید. احتمال بقاي 1ساله 39درصد بوده و تنها 7درصد از بیماران، بقاي 3ساله را تجربه کرده بودند. مدل درخت تصمیم متغیرهاي وضعیت درمان، Eastern Cooperative ) ،Oncology Group (ECOGوضعیت سیگاري بودن، سنّ تشخیص بیماري و مرحله ي تومور به عنوان متغیرهاي مهم شناسایی کرد. نتیجه گیری: استفاده از مدل درخت رده بندي، می تواند منجر به شناسایی ریسک فاکتورهاي مهم و موثر بر بقاي بیماران شود و شناسایی این عوامل در بیماران سرطانی میتواند باعث جلوگیري از پیشرفت بیماري شده و زمان بقاي بیماران را افزایش دهد

Title

Evaluation of Prognostic Variables for Classifying the Survival In lung cancer Patients using The Decision Tree

English Abstract

Background & Objectives: Lung cancer due to low chance of Survival is the most important and the most common fatal cancer and has the highest mortality rates compared to breast and prostate cancer and other multiple cancers. The purpose of this study is to analyze survival data of patients having lung cancer in the province of West Azerbaijan. Materials & Methods: The information of this study is relevant to 355 patient’s refered to hospitals exiting in West Azerbaijan province between 1386-93. The situation of the patients was followed up until the end of the Khordad 1393. The data are compromized from Histopathologic and demographic information. For analyzing the data and classifying the patients, the model of decision tree was used. All analysis and synthesis were performed using the software of R. Results: The mean and the median time of survival for 355 patients having lung cancer were estimated 13 and 4.8 months, respectively. The probable of 1-year surviving was about 39% and only 7% of patients had experienced 3-year survival. The model of decision tree of state therapy variables, Eastern Cooperative Oncology Group (ECOG), smoking status, age of diagnosis and tumor stage were identified as important variables. onclusion: The model of classification tree can identify the important and effective risk factors on the survival of the patients and identifying these factors in he cancer patients can prevent progression of the disease and increase survival time of patients

Item Type:Article
زبان سند : فارسی
نویسنده اول :مالک اباذری
نویسنده مسئول :حسین محجوب
Additional Information:Indexed in: ،Index Copernicus , EMRO, Magiran ,Iranmedex, ISC, SID
Uncontrolled Keywords:سرطان ریه، ایران، درخت تصمیم، بقا
کلیدواژه ها (انگلیسی):Lung Neoplasm; Decision Tree; Survival; Iran.
Subjects:WA Public Health > WA. 900 Vital Statistics
WA Public Health > WA. 900 Vital Statistics
Divisions:Faculty of Health > Department of Statistics
ID Code:8628
Deposited By: Mr Malek Abazari
Deposited On:04 Feb 1396 06:10
Last Modified:27 Jun 1397 12:45

Repository Staff Only: item control page

Document Downloads

More statistics for this item...