Objective: Survival analyses are used in cancer research in the selection of treatment methods that may be effec-tive in survival time and in investigating prognostic factors. In the literature, Cox regression analysis was performed without inves-tigating whether the assumptions were met in survival analysis. The aim of this study is; to give information about the features of Cox mixed cure models and to show its application for breast cancer patients. Material and Methods: In our study, it was ob-served that breast cancer data did not provide the proportional hazard assumption. In addition, since the survival curve has a flattened tail after 72 months, this study was analyzed with a mixed cure model. In the model, cured and uncured patients are modeled separately. Results: In our study, the median survival time of the patients was found to be 72 months (95% confidence interval; 51.88-92.12). Progesterone receptor, estrogen receptor, c-erbB-2, age and lymph node were found to be a significant risk factor for the survival of breast cancer patients in cured and un-cured part (for all of them p<0.05). Conclusion: Nowadays, can-cer patients are more likely to recover. For this reason, we think that it would be appropriate to evaluate the survival analyses of cured and uncured cancer patients separately with a mixed cure model instead of Cox regression analysis in modeling the survival analysis of cancer patients.
Keywords: Mixed cure model; breast cancer; estrogen receptor; progesterone receptor
Amaç: Kanser araştırmalarında, sağkalım süresinde etkili olabilecek tedavi yöntemlerinin seçiminde ve prognostik faktörlerin bulunmasında, sağkalım analizleri kullanılmaktadır. Literatürde, sağkalım analizlerinde varsayımların sağlanıp sağlanmadığı araştı-rılmadan, Cox regresyon analizinin yapıldığı görülmektedir. Bu çalışmanın amacı; Cox karma iyileşme modellerinin özellikleri hakkında bilgi vermek ve meme kanserli hastalar için uygulamasını göstermektir. Gereç ve Yöntemler: Çalışmamızda, meme kanseri verilerinin orantılı hazard varsayımını sağlamadığı görülmüştür. Ayrıca yaşam süresi eğrisi, 72. aydan sonra düzleşmiş bir kuyruğa sahip olduğundan bu çalışmada, karma iyileşme modeli ile analiz yapılmıştır. Modelde, hastaların iyileşmiş ve iyileşmemiş olanları ayrı ayrı modellenmektedir. Bulgular: Çalışmamızda, meme kanse-ri hastalarının iyileşmiş ve iyileşmemiş olanları ayrı ayrı modelle-nerek hastaların medyan sağkalım süresi 72 ay (%95 güven aralığı; 51,88-92,12) olarak bulunmuştur. Progesteron reseptörü, östrojen reseptörü, c-erbB-2, yaş ve lenf nodunun iyileşen ve iyileşmeyen bölümlerinde de meme kanseri hastalarının sağkalımı üzerinde an-lamlı bir risk faktörü olduğu görüldü (hepsi için p<0,05). Sonuç: Gün geçtikçe kanser hastalarının iyileşme olasılıkları artmaktadır. Bu sebeple kanser hastalarının sağkalım analizlerinin modellenme-sinde, Cox regresyon analizi yerine karma iyileşme modellerinin ayrı ayrı değerlendirilmesinin uygun olacağını düşünmekteyiz.
Anahtar Kelimeler: Karma iyileşme modeli; meme kanseri; östrojen reseptörü; progesteron reseptörü
- Turashvili G, Brogi E. Tumor heterogeneity in breast cancer. Front Med (Lausanne). 2017;4:227. [Crossref] [PubMed] [PMC]
- Leong SP, Shen ZZ, Liu TJ, Agarwal G, Tajima T, Paik NS, et al. Is breast cancer the same disease in Asian and Western countries? World J Surg. 2010;34(10):2308-24. [Crossref] [PubMed] [PMC]
- Youlden DR, Cramb SM, Dunn NA, Muller JM, Pyke CM, Baade PD. The descriptive epidemiology of female breast cancer: an international comparison of screening, incidence, survival and mortality. Cancer Epidemiol. 2012;36(3):237-48. [Crossref] [PubMed]
- Li CI, Malone KE, Daling JR. Differences in breast cancer stage, treatment, and survival by race and ethnicity. Arch Intern Med. 2003;163(1):49-56. [Crossref] [PubMed]
- Chlebowski RT, Chen Z, Anderson GL, Rohan T, Aragaki A, Lane D, et al. Ethnicity and breast cancer: factors influencing differences in incidence and outcome. J Natl Cancer Inst. 2005;97(6):439-48. [Crossref] [PubMed]
- Tao Z, Shi A, Lu C, Song T, Zhang Z, Zhao J. Breast cancer: epidemiology and etiology. Cell Biochem Biophys. 2015;72(2):333-8. [Crossref] [PubMed]
- Ellsworth RE, Decewicz DJ, Shriver CD, Ellsworth DL. Breast cancer in the personal genomics era. Curr Genomics. 2010;11(3):146-61. [Crossref] [PubMed] [PMC]
- Berkson J, Gage RP. Survival curve for cancer patients following treatment. Journal of the American Statistical Association. 1952;47(259):501-15. [Crossref]
- Boag JW. Maximum likelihood estimates of the proportion of patients cured by cancer therapy. Journal of the Royal Statistical Society Series B (Methodological). 1949;11(1):15-53. [Crossref]
- Kara P, Ata Tutkun N. Cox karma iyileşme modeli ve glioma veri kümesi üzerine bir uygulama [Cox mixture cure model and its application to glioma data set]. Turkiye Klinikleri J Biostat. 2017;9(3):241-56. [Crossref]
- Othus M, Barlogie B, Leblanc ML, Crowley JJ. Cure models as a useful statistical tool for analyzing survival. Clin Cancer Res. 2012;18(14):3731-6. [Crossref] [PubMed] [PMC]
- Cai C, Zou Y, Peng Y, Zhang J. smcure: an R-package for estimating semiparametric mixture cure models. Comput Methods Programs Biomed. 2012;108(3):1255-60. [Crossref] [PubMed] [PMC]
- Achcar JA, Coelho-Barros EA, Mazucheli J. Cure fraction models using mixture and non-mixture models. Tatra Mt Math Publ. 2012;51(1):1-9. [Crossref]
- Akhlaghi AA, Najafi I, Mahmoodi M, Shojaee A, Yousefifard M, Hosseini M. Survival analysis of Iranian patients undergoing continuous ambulatory peritoneal dialysis using cure model. J Res Health Sci. 2013;13(1):32-6. [PubMed]
- Yu XQ, De Angelis R, Andersson TM, Lambert PC, O'Connell DL, Dickman PW. Estimating the proportion cured of cancer: some practical advice for users. Cancer Epidemiol. 2013;37(6):836-42. [Crossref] [PubMed]
- Rama R, Swaminathan R, Venkatesan P. Cure models for estimating hospital-based breast cancer survival. Asian Pac J Cancer Prev. 2010;11(2):387-91. [PubMed]
.: Process List