کاربرد مدل جنگل تصادفی بقا در پیش بینی اولین متاستاز در بیماران مبتلا به سرطان پستان و مقایسه با تحلیل رگرسیون کاکس

/ محدثه محبی; مهدی تذهیبی

خط مشی دسترسی

فارسی

X

X

جستجوی مدارک

X

تمام متن

X

منابع دیجیتالی

نام مرکز	:	دانشگاه علوم پزشکی اصفهان
نوع مدرک	:	پایان نامه فارسی
زبان مدرک	:	فارسی
شماره رکورد	:	110318
شماره مدرک	:	‭ت۱۶۱۲۸‬
شماره راهنما	:	‭
سرشناسه	:	‏‏ محبی‏‏ محدثه
عنوان	:	کاربرد مدل جنگل تصادفی بقا در پیش بینی اولین متاستاز در بیماران مبتلا به سرطان پستان و مقایسه با تحلیل رگرسیون کاکس [پایان نامه]
نویسنده	:	/ محدثه محبی
استاد راهنما	:	مهدی تذهیبی
محل تحصیل	:	: دانشکده بهداشت
سال تحصیل	:	، ۱۳۹۴
مقطع تحصیلی	:	کارشناسی ارشد
رشته تحصیلی	:	آمارزیستی
تاریخ دفاع	:	۹۴/۸/۱۹
صفحه شمار	:	ه، ۶۵ص.:جدول، نمودار+CD
يادداشت	:	این پایان نامه یک طرح تحقیقاتی با شماره ۳۹۳۵۴۷ است
چکيده	:	پیشینه و اهداف: پیش بینی احتمال بروز متاستاز اهمیت زیادی در شناخت سرطان و درمان آن دارد. هدف از این مطالعه تعیین عوامل خطر مهم در بروز اولین متاستاز در بیماران سرطان پستان براساس دو روش رگرسیون کاکس و جنگل تصادفی بقا و مقایسه عملکرد هر مدل در شناسایی این عوامل بود. مواد و وروش ها: اطلاعات مربوط به 1085 بیمار مبتلا به سرطان پستان که طی سالهای 77 الی89 به درمانگاه آنکولوژی بیمارستان سیدالشهداء اصفهان مراجعه کرده و تحت درمان قرار گرفته بودند، استفاده شد. به منظور تعیین عوامل موثر بر وقوع اولین متاستاز دو مدل رگرسیون کاکس و جنگل تصادفی بقا بر روی داده ها برازش داده شد. از نرم افزار R به منظور مقایسه دو مدل و تحلیل نتایج استفاده شد. یافته ها: بر اساس یافته های این مطالعه، برمبنای نمره بریر، مدل های کاکس (024/0 BS=) و جنگل تصادفی (020/0 BS=) از قدرت پیش بینی کنندگی بیش از 70 درصد برخوردار بودند ولی مدل جنگل تصادفی در مقایسه با مدل کاکس از قدرت پیش بینی کنندگی بهتری برخوردار بود. از لحاظ اهمیت متغیرهای پیشگو، جنگل تصادفی بقا نشان داد، محل رخداد اولین متاستاز با بهره از ملاک اهمیت متغیر VIMP)) و با مقدار اهمیت نسبی 1RI= و همچنین با استفاده از ملاک کمترین عمق با مقدار عمق 083/1 MD= و سپس تعداد غدد درگیر زیر بغل با بهره از ملاک VIMP و با اهمیت نسبی 0185/0RI= و مقدارعمق 528/2 MD= مهمترین متغیرهای اثر گذار در مدل می باشد. بحث و نتیجه گیری: یکی از معایب روش های کلاسیک همچون رگرسیون کاکس برازش نامناسب بر روی تعداد زیادی ازمتغیرهاست. چرا که با افزایش تعداد متغیرهای پیشگو، امکان پیدایش اثرات متقابل بین آنها نیز بیشتر شده و در نتیجه تبیین ارتباط آنها با متغیر وابسته مشکل خواهد شد. تحلیل این ارتباطات نیازمند روش های پیشرفته تری همچون جنگل تصادفی است که بتواند تغییرات متغیر پاسخ را هنگام مواجه با داده ها با ابعاد بالا به خوبی تبیین نماید.
توصیفگر	:	سرطان سینه
	:	متاستاز
	:	مدل های آماری
	:	رگرسیون
	:	Breast Cancer
	:	Metastasis
	:	Statistical Models
	:	Regression
شناسه افزوده	:	‏ تذهیبی‏ مهدی استاد راهنما
شناسه افزوده	:	‏ دانشکده بهداشت