Bayesgil yaşam analizi ve cox regresyon yaşam analizi`nin türetilmiş ve gerçek veri setlerinde uygulanması

Abstract

Bu çalışmada, Bayesgil Yaşam Analizi (BYA) ile Cox Regresyon Analizi (CRA) yöntemlerinin performanslarının, farklı koşullar altında yapılan simülasyon çalışmaları ve gerçek bir uygulamayla karşılaştırılması amaçlandı.Simülasyon çalışması, açıklayıcı olan ve olmayan prior bilgiye dayalı iki farklı algoritmaya göre veri türetimi biçiminde yapıldı. Uygulamada kullanılan gerçek veri seti ise Trakya Üniversitesi Tıp Fakültesi Radyasyon Onkolojisi Anabilim Dalı'na 1998-2007 yılları arasında başvuran ve meme kanseri tanısı konulan 423 hastanın yinelemesiz yaşam sürelerine ilişkin veri seti idi.Simülasyon uygulamasında, açıklayıcı olmayan prior bilgili veri setlerinde BYA ve CRA yöntemlerinin simülasyon parametresine yakınsama bakımından benzer performans sergilediği gözlendi. Açıklayıcı prior bilgili simülasyon uygulamasında ise veri yapısına uygun ve gerçeği yansıtan prior bilgi kullanılan BYA, oldukça küçük yanlılıkla iyi bir performans gösterdi. Her koşulda prior bilgi gerçeği yansıtmaktan uzaklaştıkça, BYA'nın yanlılığının arttığı belirlendi. Ayrıca BYA'da, gerçeği yansıtan prior bilgi ışığında hem az birim içeren hem de çok sayıda birim içeren örneklemlerde CRA'ya göre daha küçük yanlılık ve standart hatalı tahminler elde edildi.Gerçek veri seti uygulamasında, aşamalı CRA, açıklayıcı prior bilgili BYA ve açıklayıcı olmayan prior bilgili BYA yöntemlerinde yaş, tümör büyüklüğü, hormon terapisi ve aksiller lenf nodu tutulumunun yinelemesiz yaşam süresi için önemli risk faktörleri olduğu bulundu. Ayrıca açıklayıcı prior bilgili BYA'da, parametre tahminlerinin standart hatalarının biraz daha küçük olduğu gözlendi.Sonuç olarak; BYA, tahmin edilecek parametreler hakkında var olan bilgiler ve uzman görüşleri hesaba katılarak subjektif veri analizi gerçekleştirildiğinde, CRA'ya göre daha iyi performans göstermektedir. Bu nedenle yaşam sürelerine ilişkin verilerin analizinde, veri yapısına uygun ve gerçeği yansıtan prior bilgi olduğunda BYA yöntemi aksi durumda ise CRA yöntemi tercih edilmelidir.

In this study, it is aimed to compare the performance of Cox Regression (CRA) and Bayesian Survival Analyses (BSA) by using simulations that performed in different conditions and a real application.Simulation study was carried out with two different algorithms that were informative and noninformative priors. Moreover, in a real data set application, a data set related to recurrence-free survivals that were obtained from 423 breast cancer patients diagnosed between years of 1998-2007 in Trakya University Medical Faculty Department of Radiation Oncology was used.In the simulation application, it was observed that BSA with noninformative priors and CRA methods were showed similar performances in point of convergence to simulation parameter. In the informative priors? simulation application, BSA with reliable informative prior showed a good performance with too little bias. It was found out that bias of BSA increased while priors were becoming distant from reliability in all conditions. In addition, BSA obtained predictions with more little bias and standard error than the CRA in both of small and big samples in the light of reliable priors.In the real data set application, age, tumor size, hormonal therapy, axillary nodal status were found statistically significant prognostic factors for recurrence-free survival in stepwise CRA, BSA with informative and noninformative priors. Furthermore, standard errors of predictions in BSA with informative priors were observed slightly little.As a result, BSA shows better performance than CRA, when subjective data analysis performed by considering of expert opinions and historical knowledge about parameters. Consequently, BSA should be preferred in existence of reliable informative priors, in the contrast cases, CRA should be preferred.