|
|
پزشکی بالینی ابن سینا، جلد ۲۲، شماره ۴، صفحات ۳۰۰-۳۰۸
|
|
|
| عنوان فارسی |
مقایسه عملکرد مدل کاکس و روش K ـ نزدیکترین همسایگی در تخمین بقای بیماران پیوند کلیه |
|
| چکیده فارسی مقاله |
مقدمه و هدف: روش رایج در برآورد بقا، مدل کاکس است که اعتبار نتایج آن، به پذیره مخاطرات متناسب وابسته است. روش k- نزدیکترین همسایگی یک روش ناپارامتری برای احتمالات بقا در جوامع ناهمگن میباشد. هدف این مطالعه مقایسه کارایی مدل کاکس و روش k- نزدیکترین همسایگی (KNN) است. روش کار: این مطالعه کوهورت گذشتهنگر بر روی 475 بیمار دریافت کننده پیوند کلیه طی سالهای 1390-1373 شهر همدان میباشد. اطلاعات از پروندههای پزشکی بیماران استخراج شد. مدت زمان بین پیوند کلیه و رد برگشت ناپذیر پیوند به عنوان پاسخ در نظر گرفته شد. برای مدلسازی دادهها، از مدل کاکس و روش KNN و برای مقایسه کارایی مدلها از خطای پیشبینی نمره برییر استفاده شد. نتایج: از 475 گیرنده پیوند، 55 نفر (11.50%) رد پیوند داشتند. میزان بقای 5 ، 10 و 15 سال به ترتیب 91.70%، 84.90% و 74.50% بدست آمد. تعداد همسایگی بهینه با روش اعتبار سنجی متقاطع برابر 45 بدست آمد. نمره برییر برای الگوریتم KNN در زمانهای 5، 10 و 15 سال 0.003، 0.006 و 0.007 و برای مدل کاکس به ترتیب 0.036، 0.058 و 0.069 بدست آمد. روش KNN با تعداد همسایگی 45 خطای پیشبینی کمتری در زمانهای 5، 10 و 15 سال نسبت به مدل کاکس دارد که نشان میدهد این روش عملکرد بهتری دارد. نتیجه نهایی: نتیجه این مطالعه نشان میدهد که پیشبینی روش KNN نسبت به مدل کاکس زمانی که حجم نمونه بالا و تعداد متغیرهای پیشگو زیاد است، دقت بالاتری دارد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Comparison of Cox Model and K-Nearest Neighbor to Estimation of Survival in Kidney Transplant Patients |
|
| چکیده انگلیسی مقاله |
Introduction & Objective: Cox model is a common method to estimate survival and validity of the results is dependent on the proportional hazards assumption. K- Nearest neighbor is a nonparametric method for survival probability in heterogeneous communities. The purpose of this study was to compare the performance of k- nearest neighbor method (K-NN) with Cox model. Materials & Methods: This retrospective cohort study was conducted in Hamadan Province, on 475 patients who had undergone kidney transplantation from 1994 to 2011. Data were extracted from patients’ medical records using a checklist. The duration of the time between kidney transplantation and rejection was considered as the survival time. Cox model and k- nearest neighbor method were used for Data modeling. The prediction error Brier score was used to compare the performance models. Results: Out of 475 transplantations, 55 episodes of rejection occurred. 5, 10 and 15 year survival rates of transplantation were 91.70 %, 84.90% and 74.50%, respectively. The number of neighborhood optimized using cross validation method was 45. Cumulative Brier score of k-NN algorithm for t=5, 10 and 15 years were 0.003, 0.006 and 0.007, respectively. Cumulative Brier of score Cox model for t=5, 10 and 15 years were 0.036, 0.058 and 0.058, respectively. Prediction error of k-NN algorithm for t=5, 10 and 15 years was less than Cox model that shows that the k-NN method outperforms. Conclusions: The results of this study show that the predictions of KNN has higher accuracy than the Cox model when sample sizes and the number of predictor variables are high. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
جواد فردمال | javad faradmal
طاهره امیدی | tahereh omidi
جلال پورالعجل | jalal pourolajal
قدرت اله روشنایی | ghodratollah roshanaei
|
|
| نشانی اینترنتی |
http://sjh.umsha.ac.ir/browse.php?a_code=A-10-2-496&slc_lang=fa&sid=fa |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
تخصصی |
| نوع مقاله منتشر شده |
پژوهشی |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|