Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile
erken evre meme kanseri hastalarında uygulama

Bekiroglu, Nural; Ulgen, Ayse

doi:10.31362/patd.893954

Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama

Nural BEKİROĞLU, (Marmara Üniversitesi, Tıp Fakültesi, Biyoistatistik Anabilim Dalı, İstanbul, Türkiye)

Ayse ULGEN (Girne Amerikan Üniversitesi, Tıp Fakültesi, Biyoistatistik Anabilim Dalı, Girne, Kuzey Kıbrıs Türk Cumhuriyeti)

Pamukkale Tıp Dergisi

2 0

Yıl: 2021 Cilt: 14 Sayı: 3 Sayfa Aralığı: 654 - 665 Metin Dili: Türkçe DOI: 10.31362/patd.893954 İndeks Tarihi: 16-06-2022

Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama

Öz:

Amaç: Cox Orantılı Hazard (COH) modeli sağkalım analizinde en sık kullanılan çok değişkenli regresyon modelidir. Ancak uygulamada orantılı hazard (OH) varsayımını sağlamak her zaman mümkün olmamaktadır. Bu durumda Parametrik Hızlandırılmış Başarısızlık (Ölüm) Zamanı (HBZ) modelleri bir seçenek olarak düşünülebilir. Bu çalışmada HBZ ve COH modelleri erken evre meme kanseri tanısı olan hastalara uygulanarak sonuçlar karşılaştırılmıştır. Gereç ve yöntem: Bu çalışmada 697 erken evre meme kanserli hastanın retrospektif sağkalım verileri analiz edilmiştir. Bağımlı değişken olan genel sağkalım ve 13 bağımsız değişkenle test edilmiştir. Anlamlı çıkan değişkenler çoklu regresyon analizi olan COH modeli ile yapılan regresyonla tahmin edilmeye çalışılmıştır. HBZ modeli için verilerin olası log-normal, log-lojistik, Weibull ve üstel dağılımlarına ait Hazard Fonksiyonlarına bakılmıştır. Bulgular: İstatistiksel olarak anlamlı çıkan 9 bağımsız değişkenden; yaş grupları, tümör derecesi, nöral invazyon ve ekstra kapsül tutulumu COH modelindeki orantılı hazard (OH) varsayımını sağlamamasına rağmen, çok değişkenli COH modeline girdiğinde sadece metastatik lenf nodu sayısı ve menopoz değişkenleri anlamlı bulunmuştur. Genel sağkalıma ait en uygun hazard fonksiyonu dağılımının Log-lojistik dağılıma uygun olduğu görülmüş ve Log-lojistik HBZ regresyon modeli sonucunda ise metastatik lenf nodu sayısı, menopoz ve tümör boyutu değişkenleri anlamlı çıkmıştır. Sonuç: Literatürde COH modeli en sık kullanılan sağkalım modellerinin başında gelir. Hazardların orantılı olmadığı durumlarda COH regresyon modeli yerine HBZ regresyon modeli gibi modellerin kullanımı bir seçenek olarak düşünülebilir.

Anahtar Kelime:

Application of parametric Accelerated Failure Time (AFT) model in early stage breast cancer patients

Öz:

Purpose: Cox Proportional Hazard (CPH) model is the most commonly used multivariate regression model for survival analysis. However, it is not always possible to obtain the proportional hazard (PH) assumption. In this case, Parametric Accelerated Failure Time (AFT) models may be an option. In this study, AFT and CPH models were applied to patients with early stage breast cancer and the results were compared. Materials and methods: Retrospective survival data of 697 patients with early stage breast cancer were analyzed in this study. 13 independent variables and overall survival time as the dependent variable were tested. Multiple CPH regression analysis were performed for significant variables. For the AFT model, hazard functions of the data belonging to log-normal, log-logistic, Weibull and of exponential distributions were examined. Results: Among the 9 independent variables that were statistically significant; although age groups, tumor grade, neural invasion and extra capsule involvement did not satisfy the CPH assumption, when the multivariate CPH model was used, only metastatic lymph nodes and menopausal status were found to be significant. It was observed that the most appropriate hazard function distribution of overall survival was suitable for Loglogistic distribution, and as a result of the Log-logistic AFT regression model, metastatic lymph node number, menopause and tumor size were found to be significant. Conclusion: In the literature, the CPH model is one of the most commonly used survival models. In cases where the assumption of the proportionality of hazards is violated, AFT regression models may be used as an alternative.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

1. Cox DR. Regression models and Life-Tables. Breakthroughs in statistics. Springer Series in Statistics, New York, NY, 1992:527-541. https://doi. org/10.1007/978-1-4612-4380-9
2. Lee ET, Go OT. Survival analysis in public health research. Annu Rev Public Health 1997;18:105-134. https://doi.org/10.1146/annurev.publhealth.18.1.105
3. Karimi A, Delpisheh A, Sayehmiri K. Application of accelareted failure time models for breast cancer patients’ survival in Kurdistan Province of Iran. J Cancer Res Ther 2016;12:1184-1188. https://doi. org/10.4103/0973-1482.168966
4. Keene ON. Alternatives to the hazard ratio in summarizing efficacy in time-to-event studies: an example from influenza trials. Stat Med 2002;21:3687- 3700. https://doi.org/10.1002/sim.1312
5. Khanal SP, Sreenivas V, Acharya SK. Accelarated failure time models: an application in the survival of acute liver failure patients in India. IJSR 2014;3:161- 166. Available at: https://www.ijsr.net/search_index_ results_paperid.php?id=201445. Accessed March 5, 2021
6. Bakhshi E, Khoei RAA, Azarkeivan A, Kooshesh M, Biglarian A. Survival analysis of thalassemia major patients using Cox, Gompertz proportional hazard and Weibull accelerated failure time models. Med J Islam Repub Iran 2017;31:97. https://doi.org/10.14196/ mjiri.31.97
7. Ghadimi M, Mahmoodi M, Mohammad K, Zeraati H, Rsouli M, Sheikhfathollahi M. Family history of the cancer on the survival of the patients with gastrointestinal cancer in northern Iran, using frailty models. Bio Med Central Gastroenterol 2011;11:104. https://doi.org/10.1186/1471-230X-11-104
8. George B, Seals S, Aban I. Survival analysis and regression models. J Nucl Cardiol 2014;21:686-694. https://doi.org/10.1007/s12350-014-9908-2
9. Wei LJ. The accelerated failure time model: a useful alternative to the Cox regression model in survival analysis. Stat Med 1992;11:1871-1879 https://doi. org/10.1002/sim.4780111409
10. Pourhoseingholi MA, Hajizadeh E, Dehkordi BM, Safaee A, Abadi A, Zali MR. Comparing Cox regression and parametric models for survival of patients with gastric carcinoma. Asian Pac J Cancer Prev 2007;8:412-416.
11. Swindell WR. Accelerated failure time models provide a useful statistical framework for aging research. Exp Gerontol 2009;44:190-200. https://doi.org/10.1016/j. exger.2008.10.005
12. Kwong GPS, Hutton JL. Choice of parametric models in survival analysis: applications to monotherapy for epilepsy and cerebral palsy. Appl Statist 2003;52:153- 168. https://doi.org/10.1111/1467-9876.00395
13. Seyoum D, Degryse JM, Kifle YG, et al. Risk factors for mortality among adult HIV/AIDS patients following antiretroviral therapy in southwestern ethiopia: an assessment through survival model. Int J Environ Res Public Health 2017;14:296. https://doi.org/10.3390/ ijerph14030296
14. Teshnizi SH, Ayatollahi SMT. Comparison of Cox regression and parametric models: application for assessment of survival of pediatric cases of acute leukemia in southern Iran. Asian Pac J Cancer Prev 2017;18:981-985. https://doi.org/10.22034/ APJCP.2017.18.4.981
15. Bradburn MJ, Clark TG, Love SB, Altman DG. Survival analysis part II: multivariate data analysis - an introduction to concepts and methods. Br J Cancer 2003;89:431-436. https://doi.org/10.1038/ sj.bjc.6601119
16. Akaikei H. Information Theory and an Extension of the Maximum Likelihood Principle. Proc. 2nd Int. Symp. on Information Theory. 1973:267-281. https:// doi.org/10.1007/978-1-4612-1694-0_15. Accessed February 19, 2021
17. Vaida F, Blanchard S. Conditional akaike information for mixed-effects models. Biometrika 2005;92:351-370. https://doi.org/10.1093/biomet/92.2.351
18. Vahedi M, Mahmoodi M, Mohammad K, Ossareh S, Zeraati H. What is the best parametric survival models for analyzing hemodialysis data? Glob J Health Sci 2016;8:56161. https://doi.org/10.5539/gjhs.v8n10p118
19. Bekiroğlu N, Cebeci IA, Hüseyin A, Acar M; Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile akciğer kanseri hastalarında uygulama (Poster sunumu). XX. Ulusal ve III. Uluslararası Biyoistatistik Kongresi. 26-29 Ekim 2018, Gaziantep. Available at: https://docplayer.biz.tr/116645614-Xxulusal- ve-iii-uluslararasi biyoistatistik-kongresi-bildirikitabi. html. Accessed March 3, 2021
20. Global Burden of Disease Cancer Collaboration. Fitzmaurice C, Allen C, Barber RM, et al. Global, regional, and national cancer incidence, mortality, years of life lost, years lived with disability, and disabilityadjusted life-years for 32 cancer groups, 1990 to 2015: a systematic analysis for the global burden of disease study. JAMA Oncol 2017;3:524-548. https:// doi.org/10.1001/jamaoncol.2016.5688
21. Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin 2018;68:394-424. https://doi.org/10.3322/ caac.21492
22. Global Burden of Disease Cancer Collaboration. Fitzmaurice C, Akinyemiju TF, Al Lami FH, et al. Global, regional, and national cancer incidence, mortality, years of life lost, years lived with disability, and disabilityadjusted life-years for 29 cancer groups, 1990 to 2016: a systematic analysis for the global burden of disease study. JAMA Oncol 2018;4:1553-1568. https://doi. org/10.1001/jamaoncol.2018.2706
23. Kasza J, Wraith D, Lamb K, Wolfe R. Survival analysis of time-to-event data in respiratory health research studies. Respirology 2014;19:483-492. https://doi. org/10.1111/resp.12281
24. Rubio FJ, Remontet L, Jewell NP, Belot A. On a general structure for hazard-based regression models: an application to population-based cancer research. Stat Methods Med Res 2019;28:2404-2417. https://doi. org/10.1177/0962280218782293
25. Ghorbani N, Yazdani Charati J, Anvari K, Ghorbani N. Application of weibull accelerated failure time model on the disease-free survival rate of breast cancer. Iran J Health Sci 2016;4:11-18. https://doi.org/10.18869/ acadpub.jhs.4.2.11
26. Iraji Z, Koshki TJ, Dolatkhah R, Jafarabadi MA. Parametric survival model to identify the predictors of breast cancer mortality: an accelerated failure time approach. J Res Med Sci 2020;25:38. https://doi. org/10.4103/jrms.JRMS_743_19
27. Alfonso AG, de Oca NAM. Application of hazard models for patients with breast cancer in Cuba. Int J of Clin Exp Med 2011;4:148-156.
28. Khan HMR, Saxena A, Gabbidon K, Stewart TSJ, Bhatt C. Survival analysis for white non-Hispanic female breast cancer patients. Asian Pac J Cancer Prev 2014;15:4049-4054. https://doi.org/10.7314/ apjcp.2014.15.9.4049

APA	Bekiroglu N, Ulgen A (2021). Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. , 654 - 665. 10.31362/patd.893954
Chicago	Bekiroglu Nural,Ulgen Ayse Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. (2021): 654 - 665. 10.31362/patd.893954
MLA	Bekiroglu Nural,Ulgen Ayse Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. , 2021, ss.654 - 665. 10.31362/patd.893954
AMA	Bekiroglu N,Ulgen A Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. . 2021; 654 - 665. 10.31362/patd.893954
Vancouver	Bekiroglu N,Ulgen A Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. . 2021; 654 - 665. 10.31362/patd.893954
IEEE	Bekiroglu N,Ulgen A "Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama." , ss.654 - 665, 2021. 10.31362/patd.893954
ISNAD	Bekiroglu, Nural - Ulgen, Ayse. "Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama". (2021), 654-665. https://doi.org/10.31362/patd.893954

APA	Bekiroglu N, Ulgen A (2021). Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. Pamukkale Tıp Dergisi, 14(3), 654 - 665. 10.31362/patd.893954
Chicago	Bekiroglu Nural,Ulgen Ayse Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. Pamukkale Tıp Dergisi 14, no.3 (2021): 654 - 665. 10.31362/patd.893954
MLA	Bekiroglu Nural,Ulgen Ayse Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. Pamukkale Tıp Dergisi, vol.14, no.3, 2021, ss.654 - 665. 10.31362/patd.893954
AMA	Bekiroglu N,Ulgen A Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. Pamukkale Tıp Dergisi. 2021; 14(3): 654 - 665. 10.31362/patd.893954
Vancouver	Bekiroglu N,Ulgen A Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama. Pamukkale Tıp Dergisi. 2021; 14(3): 654 - 665. 10.31362/patd.893954
IEEE	Bekiroglu N,Ulgen A "Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama." Pamukkale Tıp Dergisi, 14, ss.654 - 665, 2021. 10.31362/patd.893954
ISNAD	Bekiroglu, Nural - Ulgen, Ayse. "Parametrik hızlandırılmış başarısızlık (ölüm) zamanı (HBZ) modelleri ile erken evre meme kanseri hastalarında uygulama". Pamukkale Tıp Dergisi 14/3 (2021), 654-665. https://doi.org/10.31362/patd.893954