.: ORİJİNAL ARAŞTIRMA
Yarı-Parametrik Çıkarımları Kullanılarak Rekabetçi Risk Modellemesi: Meme-CA Tanılı Vakalarda Mortaliteye Sebep Risklerin Belirlenmesinde Retrospektif bir Çalışma
Competing Risk Modeling Using Semi-Parametric Inferences: A Retrospective Study in Determining Risks Causing Mortality in Breast-CA Diagnosed Cases
Turkiye Klinikleri J Biostat. 2021;13(2):214-24
doi: 10.5336/biostatic.2021-82123
Makale Dili: TR
Tam Metin
ÖZET
Amaç: Sağlık alanında belirli bir hastalığa yakalanmamış (meme-CA) ve ölüm (meme-CA ölüm - diğer ölüm) gibi başarısızlık olarak nitelendirilebilen olay olayları tetikleyen, sansürlenmiş veriye sahip olan risklerin, yarı-parametrik çıkarımları kullanarak rekabetçi risk modelleriyle yardımıyla (orantılı hazard, alt-dağılım için orantılı hazard ve toplam hazard) incelenmesi amaçlanmaktadır. Gereç ve Yöntemler: Uygulama için Gazi Üniversitesi Sağlık Araştırma ve Uygulama Merkezinde (Hastane) CD koduna göre C primer ve tüm kırılımlarını bulunduran yani meme-CA tanısı konulmuş hastanın senelik gerçek verilerinden yararlanılmıştır. İki yüz yirmi bir hastanın başarısızlık sürelerinin analizi için yarı-parametrik rekabetçi risk modelleri kullanılmıştır. arametre dışı bootstrapping yöntemi (iterasyon sayısı 4 ) kullanılarak modellemelerdeki tahminlerin ne kadar farklılık yaratığı R-4. . . program kullanılarak araştırılmıştır. Bulgular: t= . 'de meme-CA ölüm sebebinin görülme olasılığı , 4 iken, diğer ölüm sebebinin görülme olasılığı , olarak gözlenmiştir. Meme-CA ölüm sebebinde yaş, cinsiyet, metastaz ve aile öyküsünün ortak değişkenleri alt-dağılımlar için orantılı hazard modelinde (FGPHM) anlamlı iken, yaş ve metastaz değişkeni meme-CA ölüm sebebindeki orantılı hazard modelinde istatistiksel olarak anlamlı çıkmıştır. Sonuç: Yaş, meme-CA riskini etkileyen en önemli faktör olarak kabul edilmektedir. Araştırmanın tüm modellerinde meme-CA sebebinde ölümlerde yaşın anlamlı olduğu görülmüştür. Meme taraması da mortaliteyi azaltmıştır. Aynı zamanda çalışmanın FGPHM ve toplam hazard modelinde (LYAHM)'de aile öyküsünün anlamlı çıkmasıyla birçok çalışmayla aynı sonucu verdiğini göstermiştir.
Anahtar Kelimeler: Yaşam fonksiyonu rekabetçi risk modelleri yarı-parametrik olabilirlik yöntemi
Amaç: Sağlık alanında belirli bir hastalığa yakalanmamış (meme-CA) ve ölüm (meme-CA ölüm - diğer ölüm) gibi başarısızlık olarak nitelendirilebilen olay olayları tetikleyen, sansürlenmiş veriye sahip olan risklerin, yarı-parametrik çıkarımları kullanarak rekabetçi risk modelleriyle yardımıyla (orantılı hazard, alt-dağılım için orantılı hazard ve toplam hazard) incelenmesi amaçlanmaktadır. Gereç ve Yöntemler: Uygulama için Gazi Üniversitesi Sağlık Araştırma ve Uygulama Merkezinde (Hastane) CD koduna göre C primer ve tüm kırılımlarını bulunduran yani meme-CA tanısı konulmuş hastanın senelik gerçek verilerinden yararlanılmıştır. İki yüz yirmi bir hastanın başarısızlık sürelerinin analizi için yarı-parametrik rekabetçi risk modelleri kullanılmıştır. arametre dışı bootstrapping yöntemi (iterasyon sayısı 4 ) kullanılarak modellemelerdeki tahminlerin ne kadar farklılık yaratığı R-4. . . program kullanılarak araştırılmıştır. Bulgular: t= . 'de meme-CA ölüm sebebinin görülme olasılığı , 4 iken, diğer ölüm sebebinin görülme olasılığı , olarak gözlenmiştir. Meme-CA ölüm sebebinde yaş, cinsiyet, metastaz ve aile öyküsünün ortak değişkenleri alt-dağılımlar için orantılı hazard modelinde (FGPHM) anlamlı iken, yaş ve metastaz değişkeni meme-CA ölüm sebebindeki orantılı hazard modelinde istatistiksel olarak anlamlı çıkmıştır. Sonuç: Yaş, meme-CA riskini etkileyen en önemli faktör olarak kabul edilmektedir. Araştırmanın tüm modellerinde meme-CA sebebinde ölümlerde yaşın anlamlı olduğu görülmüştür. Meme taraması da mortaliteyi azaltmıştır. Aynı zamanda çalışmanın FGPHM ve toplam hazard modelinde (LYAHM)'de aile öyküsünün anlamlı çıkmasıyla birçok çalışmayla aynı sonucu verdiğini göstermiştir.
Anahtar Kelimeler: Yaşam fonksiyonu rekabetçi risk modelleri yarı-parametrik olabilirlik yöntemi
ABSTRACT
Objective: The aim is examining the risks -in healthcare field- with censored data triggering event(s) that may be qualified as failure, such as not having a specific disease (breast CA) and death (breast-CA death - other death) by using semi-parametric inference with competing risk modeling (proportional hazard, proportional hazard for sub- distribution and additive hazard). Material and Methods: For the application, 10- year real data of 221 patients who had C50 primary and subsite according to the ICD10 code in Gazi University Health Research and Application Center (Hospital) were used. Semi-parametric competing risk models were used for the analysis of failure time of 221 patients. Using the non-parameter bootstrapping method (number of iterations 104 ), the differentiation between the estimates in the modeling was investigated by using R-4.0.2. program. Results: At t=2,000, the probability of occurrence of breast-CA death was 0.243, while occurrence of other cause of death was 0.595. Within the causes of breast-CA death; while covariates of age, gender, metastasis, and family history were significant in the proportional hazard model for sub-distributions (FGPHM), the variables of age and metastasis were statistically significant in the proportional hazard model. Conclusion: Age is considered to be the most important risk factor affecting breastCA. In all models of the study, age was found to be significant in deaths caused by breast-CA. Breast screening has also reduced mortality. Simultaneously, it showed that the study gives the same result as many studies, with the family history being significant in FGPHM and additive hazard model (LYAHM).
Keywords: Survival function; competing risk models; semi-parametric likelihood method
Objective: The aim is examining the risks -in healthcare field- with censored data triggering event(s) that may be qualified as failure, such as not having a specific disease (breast CA) and death (breast-CA death - other death) by using semi-parametric inference with competing risk modeling (proportional hazard, proportional hazard for sub- distribution and additive hazard). Material and Methods: For the application, 10- year real data of 221 patients who had C50 primary and subsite according to the ICD10 code in Gazi University Health Research and Application Center (Hospital) were used. Semi-parametric competing risk models were used for the analysis of failure time of 221 patients. Using the non-parameter bootstrapping method (number of iterations 104 ), the differentiation between the estimates in the modeling was investigated by using R-4.0.2. program. Results: At t=2,000, the probability of occurrence of breast-CA death was 0.243, while occurrence of other cause of death was 0.595. Within the causes of breast-CA death; while covariates of age, gender, metastasis, and family history were significant in the proportional hazard model for sub-distributions (FGPHM), the variables of age and metastasis were statistically significant in the proportional hazard model. Conclusion: Age is considered to be the most important risk factor affecting breastCA. In all models of the study, age was found to be significant in deaths caused by breast-CA. Breast screening has also reduced mortality. Simultaneously, it showed that the study gives the same result as many studies, with the family history being significant in FGPHM and additive hazard model (LYAHM).
Keywords: Survival function; competing risk models; semi-parametric likelihood method
REFERANSLAR:
- David HA, Moeschberger ML. Parametric Approaches- Independent Risks. Theory of Competing Risks. 1st ed. London: Griffin; 1978. p.1-10. [Link]
- Kalbleisch JD, Prentice, RL. Competing Risks and Multistate Models. The Statistical Analysis of Failure Time Data. 2nd ed. New York: Wiley; 2002. p.247-73. [Link]
- Momenimovahed Z, Salehiniya H. Epidemiological characteristics of and risk factors for breast cancer in the world. Breast Cancer (Dove Med Press). 2019;10;11:151-64. [Crossref] [PubMed] [PMC]
- Seneviratne SA, Campbell ID, Scott N, Lawrenson RA, Shirley R, Elwood JM. Risk factors associated with mortality from breast cancer in Waikato, New Zealand: a case-control study. Public Health. 2015;129(5):549-54. [Crossref] [PubMed]
- He P, Eriksson F, Scheike TH, Zhang MJ. A proportional hazards regression model for the sub-distribution with covariates adjusted censoring weight for competing risks data. Scand Stat Theory Appl. 2016;43(1):103-22. [Crossref] [PubMed] [PMC]
- Klein JP, Moeschberger ML. Basic Quantities and Models. Survival Analysis: Techniques for Censored and Truncated Data. New York: Springer; 2003. p.21-57. [Crossref]
- Andersen PK, Borgan O, Gill RD, Keiding N. Counting Processes. Statistical Models Based on Counting Processes. 1st ed. New York, ABD: Springer-Verlag; 1993. p.72-82. [Crossref]
- Cox DR. Regression models and life-tables. J Royal Stat Society. 1972;Series B34(2):187-220. [Crossref]
- Breslow NE. Analysis of survival data under the proportional hazards model. Int Stat Rev. 1975;43(1):45-58. [Link]
- Lin DY, Ying Z. Semiparametric analysis of the additive risk model. Biometrika. 1994;81(1):61-71. [Crossref]
- Lin DY, Ying Z. Semiparametric analysis of general additive-multiplicative intensity models for counting processes. Ann Stat. 1995;23(5):1712-34. [Crossref]
- van der Vaart AW. General Estimating Equations. Asymptotic Statistics. Cambridge: Cambridge University Press; 1998. p.400-2. [Link]
- Taşdelen B, Erdoğan S, Çağlıkülekçi M, Altun U. Yarışan risklerin varlığında sağkalım analizi [Survival analysis in the presence of competing risks]. Turkiye Klinikleri J Biostat. 2009;1(2):33-7. [Link]
- Beyersmann J, Allignol A, Schumacher M. A Nonparametric Bootstrap for Multistate Models. Competing Risks and Multistate Models with R (Use R!). 1st ed. New York, ABD: Springer-Verlag; 2012. p.231-3. [Crossref]
- Özmen V, Özmen T, Doğru V. Breast cancer in Turkey; an analysis of 20.000 patients with breast cancer. Eur J Breast Health. 2019;1;15(3):141-6. Erratum in: Eur J Breast Health. 2019;01;15(4):276. [Crossref] [PubMed] [PMC]
- Eng LG, Dawood S, Sopik V, Haaland B, Tan PS, Bhoo-Pathy N, et al. Ten-year survival in women with primary stage IV breast cancer. Breast Cancer Res Treat. 2016;160(1):145-52. [Crossref] [PubMed]
- Ferraz RO, Moreira-Filho DC. [Survival analysis of women with breast cancer: competing risk models]. Cien Saude Colet. 2017;22(11):3743-54. [Crossref] [PubMed]
- Berry DA, Cronin KA, Plevritis SK, Fryback DG, Clarke L, Zelen M, et al; Cancer Intervention and Surveillance Modeling Network (CISNET) Collaborators. Effect of screening and adjuvant therapy on mortality from breast cancer. N Engl J Med. 2005;27;353(17):1784-92. [Crossref] [PubMed]
- Chapman JW, Fish EB, Link MA. Competing risks analyses for recurrence from primary breast cancer. Br J Cancer. 1999;79(9-10):1508-13. [Crossref] [PubMed] [PMC]
.: İşlem Listesi