Tedavi sonrası izlem verilerinin cox regresyon aracılığı ile incelenmesi

Abstract

ÖZET Günümüzde Yaşam Analizi, hastalıkların ölüm riskleri ve bu riskler üzerine etkide bulunan prognostik faktörleri saptamak amacıyla tıbbın çeşitli dallarında sıklıkla uygulanan bir analiz yöntemidir. Yaşam analizi, belirli bir hastalığa tutulan ve bu hastaya uygulanan tedaviden sonra, hastalığın nüks etme ya da kişinin beklenen yaşam süresinin tahmin edilmesi ve tedavi tiplerinin etkinliklerini belirlemeyi amaçlamaktadır. Yaşam analizi yöntemleri içinde Cox regresyon yöntemi ölüm risklerinin ortaya konması açısından güçlü bir istatistiksel yöntemdir. Bu araştırmada, her bir veri grubunda 7 değişkenin bulunduğu 30, 50, 100, 200, 300, 400, 500 ve 1000 birimden oluşan veriler türetilmiş ve bu örneklerde YAŞ değişkeni sırasıyla Üssel, Weibull ve Normal dağılım gösterecek biçimde ele alınmıştır. Veri setleri tekdeğişkenli, çokdeğişkenli, aşamalı ve zaman-bağımlı Cox regresyon yöntemleri ile analiz edilmiştir. Bu analizlerde birim sayısı az iken n<100 elde edilen parametre tahminlerinin standart hatalarının büyük olması nedeniyle prognostik değişkenlerin yaşam süresi üzerine önemli düzeyde etkili olmadığı, n>100 durumunda ise değişkenlerin prognostik faktörler olarak yaşam süresi üzerinde etkin rol oynadıkları saptanmıştır. Yaş değişkeninin Üssel ve Weibull dağılım gösterdiği örneklerde Normal dağılıma göre değişkenin yaşam süresi üzerindeki önemlilik derecesi artmıştır. İzlem süresi içinde izlenen birim sayısıarttıkça ele alınan değişkenlerin prognostik faktör olarak nitelenme olasılıklarının arttığı gözlenmiştir. İzlem süresi değişmeksizin veri setindeki birim sayısı arttıkça zamanın bir prognostik değişken olarak modelde yer alması olasılığı artmış ve diğer prognostik değişkenlerle olan etkileşimlerinin de modelde yer alma olasılıkları artmıştır. Cox modelleri aracılığı ile veri analizinde veri setinde ortak değişkenlerin belirli teorik dağılımlara uygun olarak yer almasının ve model kurarken değişkenlerin izlem süresi içinde homojen ve ardışık bir sıralama içinde yer almasının tahminlerin etkinliği yönünden önemli olduğu saptanmıştır. Anahtar Kelimeler : Aşamalı Cox Regresyon, Cox Regresyon, ortakdeğişken, ölüm riski, prognostik değişken

SUMMARY Survival Analysis, today is used for describing relationship between hazard risk and prognostic factors of diseases in the several branches of medicine. The aims of Survival Analysis are to determine the estimator of survival time of patients, the most effective type of treatment and recurency time of diseases. Cox Regression is a powerful statistical method in respect to the estimation of hazard risk in the survival analysis methods. In each data group that were consisted of 30, 50, 100, 200, 300, 400, 500 and 1000 units, there were 7 variables. Those groups were randomly generated. In these groups. AGE variable had Exponential, Weibull and Normal disribution in different groups. These groups were analyzed by using Univariate, Multiple. Stepwise and Time-dependent Cox Regression Methods. In the results of analysis, prognostic variables were determined insignificancy in the small groups (n^100), since those estimated standard error of parameters were very high. In contrast, significancy was seen in the prognostic factors of large sample groups (n>100). According to the groups having Normal distribution, the levels of significancy of the covariate age on the survival time were increased in the groups having Exponential and Weibull distributions. It was seen that probabilty levels of the covariates taking place in the model.were increased when the number units in the groups were increased in the follow-up studies in a definite time.In the constant follow-up time, there was an increasing probability of time, taking place in the model as a prognostic variable when the number of units were increased in the data set. It was concluded that the presence of covariates as a definite theoretical distribution in the data set, and the presence of covariates as homogeneous and orderly during the model describing, were important in the efficiency of estimates in the analysis with Cox Models. Key Words : Stepwise Cox Regression, Cox Regression, covariate, hazard rate, prognostic variable