Soveltaminen Weibull malli selviytymisen potilaiden mahalaukun cancer

soveltaminen Weibull malli selviytymisen potilaiden mahalaukun syövän
tiivistelmä
tausta
Tutkijat lääketieteen mieluummin käyttävät Cox malli hengissä analyysiä. Joissakin tapauksissa kuitenkin, parametriset menetelmät voivat antaa tarkempia arvioita. Tässä tutkimuksessa käytimme Weibull mallin analysoida ennustetekijöiden potilailla, joilla on mahalaukun syövän ja verrattuna Cox. Tool Menetelmät
Me jälkikäteen tutkittu 1715 potilaalla mahalaukun syöpä. Ikä diagnoosin, sukupuoli, suvussa, ohi sairaushistoria, kasvaimen sijainti, kasvaimen koon, eradicative aste leikkaus, syvyys kasvaimen invaasio yhdistettynä sisälmysten poistaminen, patologisen vaiheessa histologinen ja imusolmuke tila valittiin mahdollisiksi ennustavat tekijät. Weibull ja Cox malli suoritettiin vaaran korko ja Akaike Information Criterion (AIC) verrata tehokkuutta mallien.
Tulokset
tulokset sekä Weibull ja Cox osoitti, että potilailla, joilla on aiemmin ollut ottaa mahasyövän ollut kuolemanriski kasvoivat merkittävästi sen jälkeen huonosti eriytetty tai kohtalaisesti eriytetty histologinen. Eradicative verran leikkausta, patologisen vaiheessa syvyys kasvaimen invaasio ja kasvaimen sijainti todettiin myös itsenäisiä ennustetekijöiksi havaittu merkittäviä. Ikä oli merkittävää vain Weibull mallissa.
Päätelmä
tulosten perusteella Monimuuttuja-analyysissä, data tuki voimakkaasti Weibull voi saada tarkempia tuloksia vaihtoehtona Cox perustuvan AIC.
Tausta
Mahalaukun karsinooma (GC) on yksi johtavista syistä syövän liittyvät kuolemat maailmassa [1-3], ja se on yleisin pahanlaatuinen kasvain Aasiassa, Itä-Euroopassa ja Etelä-Amerikassa [4, 5]. Japanissa mahasyöpä sijoittuu ensimmäinen paikka naisilla ja toiseksi miesten suhteen kuolinsyy peräisin pahanlaatuinen kasvain [6, 7]. Vaikka Ikävakioitu kuolleisuus GC on vähentynyt Kiinassa nyt, se on edelleen kolmanneksi yleisin kuolinsyy miehillä keuhkosyövän jälkeen ja maksasyöpä, ja viides naisilla. Paikallisesti edennyt mahasyöpä potilailla 5 vuoden pysyvyys on alle 20% ja se on noin 30% niille, joille tehdään kirurginen hoito. Vaikka otetaan parantava asemointia, vain 30-50% potilaista voi selvitä 5 vuoden jälkeen [8, 9]. Mitä hoidon mahasyövän, leikkaus pidetään paras tapa saavuttaa hyviä tuloksia [10]. On kuitenkin olemassa vielä paljon haasteita ruoansulatuskanavan lääkärit valloittaa. On arvioitu, että ainakin 80%: lla potilaista toistuvat sairaus, vaikka he ottivat parantavaa mahalaukun resektion. Aiemmat tutkimukset yrittivät selvittää klinikalle-patologinen tekijät ja sosiodemograafiset liittyy korkea toistumisen korko. Nämä tutkimukset oli piirtänyt ristiriitaisia ​​tuloksia suhteessa riippumattoman ennustavat tekijät vaikuttavat potilaiden selviytymiseen GC [1].
Parametric menetelmiä, jotka sisältävät eksponentiaalista, Weibull, lognormaalinen, gamma ja äärimmäinen arvo jakaumat ovat laajalti käytetty sopiva Eloonjääntitulokset [ ,,,0],11]. Cox semi-parametrinen menetelmä [12] on myös käytetty laajasti mallintamiseen tällaisia ​​tietoja. Nämä menetelmät on esitetty selittämään suhdetta selviytymisen ja jotkut samanaikaista muuttujia kuten ikä, sukupuoli, suvussa mahasyöpä, tai diagnostisia ominaisuuksia. Oikeastaan, että lääketieteen tutkijat nojata käyttää Cox semi-parametrinen menetelmä sijasta parametriset menetelmät analysoimiseksi Eloonjääntitulokset. Esimerkiksi oli tutkimuksia, jotka on tehty arvioida vaikutusta klinikan-patologinen ja demografiset tekijät eloonjäämiseen potilaiden mahasyöpä käyttämällä Coxin mallin löytää asiaan suhde elinaika ja muuttujien [13-15]. Ensisijainen syy on se, että siellä näyttää olevan vähemmän oletuksia Cox semi-parametrinen menetelmä. Joissakin tapauksissa kuitenkin, parametriset menetelmät voivat tarjota tarkempia arvioita [16, 17]. Monet parametristen mallien kuten Weibull kiihdytetään vikaantumisajat malleja. Weibull sallii enemmän joustavuutta kuin Cox puoliparametrinen malli, koska siihen liittyvä vaara nopeus ei ole vakio ajan suhteen. Käytämme myös suurimman uskottavuuden menetelmä arvioida tuntemattomien parametrien ja sen tulkinnan ja tekniikka ovat tuttuja tutkijoille.
Tässä tutkimuksessa pyrittiin arvioimaan mahdolliset ennustetekijöiden jotka voivat vaikuttaa säilymiseen potilaiden mahalaukun syövän työllistää Weibull malli ja verrata analyyttinen tuloksia Coxin suhteellista riskin malliin. Tool menetelmät
tietolähteet
Olemme arvioineet sairaalan tietokantaan 1814 potilaiden mahalaukun syöpä, joille tehtiin kirurginen hoito Tongji sairaala Wuhan, Kiina, vuosina 1995 2006. Me takautuvasti tarkistivat potilastiedot ja jätetty 99 potilasta epätäydellisen lääketieteellisen asiakirjan. Lopuksi, 1715 potilasta otettiin tutkimukseen. Sen jälkeen kaikki potilaat havaittu läpi ohjelmoidun seurataan aikataulu. Survival tietoja kerättiin puhelimitse haastattelemalla potilasta ja /tai niiden sukulaisia, jotka olivat kotona aikaan haastattelun. Tutkimus hyväksyi eettinen komitea Huazhong Science & Technology.
Mahasyöpää vaiheessa arvioitiin mukaan International Union Against Cancer (UICC) TNM luokittelu pahanlaatuisia kasvaimia [18]. Survival analyysi perustui kliinisiin ja patologisten muuttujia, jotka olivat osa-kerrostettu suvussa GC, histologinen (hyvin, kohtalaisesti ja huonosti eriyttäminen), kasvaimen sijainti (ylä-, keski- ja alempi) vatsassa, vaiheesta karsinooma (I, II, III, IV), syvyys kasvaimen levinneisyys (T1, T2, T3 ja T4), kuten on määritellyt American sekakomitean Cancer (AJCC), N-luokat perusteella lukumäärän metastaattisen imusolmukkeiden (pN0: 0, PN1: 1-6, pN2: 7-15, PN3: > 15) on määritelty kansainvälisen syöpää vastaan ​​(UICC) ja Yhdysvaltain sekakomitean Cancer (AJCC) 5th edition TNM järjestelmä vuonna 1997 [19].
tilastollinen analyysi
tilasto laskelmat tehtiin käyttämällä tilastollista ohjelmistoa SAS, versio 9.1. Kvantitatiivinen tulos ilmaistaan ​​keskiarvona ± keskihajonta (SD). Univariate analyysi tehtiin käyttäen Kruskal-Wallis ja t
testi. Erot P
< 0,05 pidettiin merkittävinä. Kovariaatit että havaittiin merkittäviä tekijöitä koko yhden muuttujan analyysin valittiin Monimuuttuja-analyysissä, joka suoritettiin käyttämällä Weibull ja Coxin suhteellinen riskin malliin rakentaa ennustavia indikaattoreita selviytymisen potilailla, joilla on mahalaukun syöpä. Kuvaaja, log negatiivisen log arvioidusta perhe toimintoa vastaan ​​log aika (määrittämällä LLS) vedettiin. LLS juoni voi tarjota silmämääräisesti tarkoituksenmukaisuutta Weibull malli Eloonjääntitulokset [20]. HR (hazard rate) ja AIC (Akaike Information Criterion) käytettiin vertaamaan tehokkuutta mallien välillä Weibull ja Cox malli. AIC on mitta sovituksen hyvyys mallin arvioitu, että ehdottama Akaike vuonna 1974 [21] ja on käytännöllinen tapa kaupankäynnin pois monimutkaisuus arviolta mallia vastaan, kuinka hyvin malli sopii tietoihin. Alempi AIC osoittaa parempaa todennäköisyyttä.
Tulokset
Kliiniset ja patologisten ominaisuuksien
Potilaat olivat esitetään taulukossa 1. kokonaismäärä 1715 potilaiden mahalaukun syöpä tuli tämän tutkimuksen, 465 (27,1%) oli naisia ​​ja 1250 (72,9%) ihmisen. Keskimääräinen ikä diagnoosin oli 57,5 ​​± 10,9 vuotta (vaihteluväli 21 -90 vuotta). Todisteet suvussa ja aikaisempi GC havaittiin 284 potilaalla (16,6%) ja 457 potilasta (26,6%), vastaavasti. : Lla kaikista potilaista, 1315 potilasta (78,8%) oli kasvaimen koon ≥40 mm, 492 potilasta (28,7%) diagnosoitiin vaiheen IV mahasyövän. Kasvaimet sijaitsee alemman kolmas vatsaan 1086 potilaalla (63,3%), keskellä kolmannes vatsaan 281 potilasta (16,4%), vuonna ylin kolmannes mahan 193 potilasta (11,3%), ja koko vatsa 155 potilasta ( 9,0%). Kaikista potilaista 809 (47,8%) potilasta sai täysin eradicative verran leikkausta. Kasvaimet luokiteltiin myös eriytettävä 521 potilasta (30,3%), kohtalaisen erilaistuvat 253 potilasta (14,8%), ja huonosti eriytetty 941 potilasta (54,9%). Imusolmuke osallistuminen määritellään AJCC luokituksia mukana 629 potilasta, joilla N0 luokka, 717 potilaalla on N1, 272 potilaalla on N2-luokan, ja 97 potilasta, joilla N3 luokkaan. AJCC T1 noin syvyys hyökkäystä tunnistettiin 145 potilaalla (8,5%), AJCC T2 879 potilasta (51,3%), AJCC T3 549 potilasta (32,0%), ja AJCC T4 142 potilaalla (8,3%). Taulukko 1 Clinic -pathological potilaiden ominaisuuksiin mahalaukun syövän
Factors
Luokat
No. potilaista (%)
P
arvo
Sukupuoli
Nainen
465 (27,1)
0,301
Mies
1250 (72,9)
ikä
57,5 ​​± 10,9
< 0,001
Past sairaushistoria
Ei
1258 (73,4) B 0,022
Kyllä
457 (26,6) B suvussa mahasyövän
Ei
1431 (83,4) B 0,431
Kyllä
284 (16,6) B Sijainti kasvaimen
Ala kolmas
1086 (63,3)
< 0,001
Lähi kolmas
281 (16,4)
Upper kolmas
193 (11,3)
Koko vatsan
155 (9,03) B Eradicative aste leikkaus
Täysin
809 (47,8) B < 0,001
Suhteellisen
473 (27,6) B lievittävä
433 (25,2) B Tuumorin koko (mm) B < 40
364 (21,2) B < 0,001
≥40
1315 (78,8) B Stage
I
301 (17,5) B < 0,001
II
425 (24,8) B III
497 (29,0) B IV
492 (28,7)
Yhdistetty sisäelinten poisto
Ei
1323 (77,1) B <0,001
Kyllä
392 (22,9) B histologinen
No eriytetty
521 (30,3) B < 0,001
Kohtalaisen eriytetty
253 (14,8)
Huonosti eriytetty
941 (54,9) B syvyys invaasion
T1
145 (8,5) B < 0,001
T2
879 (51,3) B T3
549 (32,0) B T4
142 (8,3) B Imusolmuke tila
N0
629 (36,7) B < 0,001
N1
717 (41,8)
N2
272 (15,9) B N3
97 (5,7) B-T1, Kasvain tunkeutuu lamina propria tai submukoosassa;
T2, Kasvain tunkeutuu muscularis proprialle tai subserosa;
T3 : Kasvaimen tunkeutua kalvojenpoiston ilman tunkeutuminen viereisiin rakenteisiin
T4: Tomour valtaa viereisten rakenteiden,
N0, etäpesäke 0 alueellisten imusolmukkeiden
N1, etäpesäke 1-6 alueellisiin imusolmukkeisiin;
N2 , etäpesäke 7-15 alueellisten imusolmukkeiden
N3, etäpesäke yli 15 alueellisiin imusolmukkeisiin.
jakautuminen elinaika
Yleensä ensimmäinen askel analysoitaessa Eloonjääntitulokset on arvio jakelu elinaikaa. Kuvio 1 näyttää kuvaaja log (-log (arvioitu selviytymisen toiminto)) vastaan ​​log (vika aikaa), eli Ankkuroidut pitkätsiimat LLS juoni. Jos Weibull malli on sopiva, LLS käyrä pitäisi olla suora viiva, joka ei välttämättä mene läpi alkuperää. Tämä johtuu siitä, S (t) = exp (- (la t) ^ alfa) pätee jos -log S (t) = (la t) ^ alfa, tai jos log (-log S (t)) = alpha log (la ) + alpha log t. Kulmakerroin rivin LLS juoni on Weibull muoto parametri alfa ja leikkauspiste on alfa log (la). Tässä tutkimuksessa LLS- juoni näyttää suunnilleen lineaarinen mikä viittaa graafisesti että selviytyminen ajan jakauma harkita on Weibull. Lisäksi arvo siepata ja asteikolla oli -3,324 ja 1,362, vastaavasti, ja alfa-arvo on 0,734 annetaan SAS tuloksia. Kuvio 1 Log negatiivinen Log perhe toiminto arvioita.
Monimuuttuja Weibull ja Cox analyysi ennustetekijöiden
univariate analyysissä iällä (P
< 0,001), ohi sairaushistoria (P
= 0.022) , kasvaimen koko (P
< 0,001), histologinen (P
< 0,001), kasvaimen sijainti (P ​​
< 0,001), eradicative aste leikkaus (P
< 0,001) , kasvain vaiheessa (P
< 0,001), yhdistetyt sisälmysten poistaminen (P
< 0,001), syvyys invaasio (P
< 0,001), ja imusolmukkeesta tila (P
< 0,001 ) havaittiin merkittäviä tekijöitä, jotka vaikuttavat yleiseen eloonjäämiseen kaikissa mahasyövässä potilailla, joille tehtiin kirurginen hoito (taulukko 1). Muuttujat osoitettu olevan tilastollista merkittävyyttä Yksiulotteisissa eloonjääminen analyysi oli edelleen arvioitiin Weibull ja Cox monimuuttujamenetelmin. Tulosten mukaan sekä Cox ja Weibull malli potilaalla on aiemmin ollut ottaa mahalaukun syövän oli riski kuolla kasvoi merkittävästi aikavälillä riskisuhde Cox regressio ja Weibull malli seurasi huonosti eriytetty ja kohtalaisen eriytetty histologinen (P
< 0,05). Eradicative verran leikkausta, patologisen vaiheessa syvyys kasvaimen invaasion ja sijainnin kasvain todettiin myös itsenäisiä ennustetekijöiksi havaittu merkittäviä. Ikä on merkittävä Weibull mallia vaan merkityksetön Cox malli monimuuttujamenetelmin (taulukko 2, 3). Kumpikaan Cox eikä Weibull malli sekä yhden ja usean analyysi näkyä merkkejä siitä merkittäviä eroja sukupuolten ja suvussa syöpää. Monimuuttuja malleissa, Weibullin malli oli paras sovitus suhteen alentaa AIC (taulukko 3) .table 2 Monimuuttuja-analyysi Weibull parametrisen mallin ennustetekijöiden
Ominaisuudet

β
χ
2
arvo


P
value

Intercept
0.76
0.53
0.467
Age
-0.03
6.27
0.012
Past sairaushistoria
-0.11
7,13
0,008
sijainti kasvain -
25.40
< 0,001
Ala kolmas
0,40
8,83
0.003
Lähi kolmas
0,41
7,34
0,007
Ylä kolmas
-0,17
1,08
0,299
kaikkiaan vatsa *
0
-
- eradicative verran kirurgia -
20.62
< 0,001
Utterly
1,00
83.46
< 0,001
Suhteellisen
0,91
42.27
< 0,001
lievittävä *
0 -
-
histologinen
- 12.51
0,002
Well eriytetty
-0,08
0,80
< 0,001
Kohtalaisen eriytetty
0,34
9,30
0,082
Huonosti eriytetty *
0 -
-
syvyys invasion -
49.11
< 0,001
T1
0,77
10,55
0,001
T2
0,22
2,48
0,115
T3
0,21
2,29
0,130
T4 *
0 -
-
Stage
- 22.41
< 0,001
I
0,62
8,27
0,004
II
0,76
21.22
< 0,001
III
0,27
6,23
0,013
IV *
0 -
-
* tarkoittaa vertailuryhmä, ja loput verrata ohjaus
Taulukko 3 Monimuuttuja-analyysi Cox ja Weibull malli jossa ennustetekijöiden
Ominaisuudet
Cox (AIC = 4534,21)
Weilbull (AIC = 1693,28)

HR (CI: 95%)
HR (CI: 95%)
Age
1,01 (0,98-1,03) B 1,03 * (1,01-1,06 ) B Past sairaushistoria
Ei
1
1
Kyllä
1,17 * (1,03-1,33) B 1,22 * (1,05-1,40) B sijainti kasvain
Ala kolmas
1
1
Lähi kolmas
0,93 (0,74-1,18)
0,99 (0,86-1,25) B ylempi kolmas
1,47 * (1,12-1,93)
1,35 * (1,19-1,53)
Koko vatsan
1,45 * (1,08-1,93)
1,47 * (1,21-1,75) B eradicative aste leikkaus
Täysin
1
1
Suhteellisen
1,03 (0,77-1,39)
1,79 * (1,64-1,92) B lievittävä
2,16 * (1,71-2,73) B 4,07 * (3,85-4,34 ) B histologinen
No eriytetyn
1
1
Kohtalaisesti eriytetty
1,12 * (1,05-1,19) B 1,14 * (1,08-1,24) B Huonosti eriytetty
1,25 * (1,18-1,33) B 1,34 * (1,17-1,55) B syvyys invaasion
T1
1
1
T2
1,97 * (1,53-2,54 )
2,40 * (2,10-2,53) B T3
2,19 * (1,68-2,86) B 2,77 * (2,53-2,96) B T4
2,50 * (1,82-3,44)
3,15 * (3,20-3,99) B Stage
I
1
1
II
0,97 (0,57-1,63) B 1,15 (0,91-1,42) B III
1,57 (0,97-2,56)
1,93 * (1,66-2,25) B IV
2,06 * (1,21-3,51) B 3,03 * (2,76-3,80) B * merkitsevä 5% tasolla
HR, riskisuhde; CI, luottamusväli
AIC, Akaike tiedot kriteeri
Keskustelu
alalla lääketieteen tutkijat ovat kiinnostuneita arvioida selviytymisen malli vektorin selittäviä muuttujia käyttämällä Coxin suhteellista riskin malliin yli parametristen mallien. Suorittaessaan selviytyminen analyysi käyttämällä Coxin malli, on tarpeen tarkistaa taustaoletusten. Cox Mallissa oletetaan, että muutokset tason riippumattomia muuttujia tuottaa oikeassa suhteessa muutoksia vaara toiminta, riippumatta ajasta. Lisäksi se olettaa log-lineaarinen suhde vaaran toiminto sekä aika ja rajoittamattoman määrän metriset ja /tai nonmetric muuttujia. Tosiasiassa kuitenkin olettamuksiin, Coxin suhteellisten riskien mallintamista tarvitaan välttämättä ole uskottava monissa tilanteissa [22], erityisesti biolääketieteen alalla. Jos nämä oletukset eivät pidä, Coxin malli johtaa epäluotettavia johtopäätöksiä. Valitettavasti mukaan Altman katsaus selviytymisen analyysien syövän lehdissä, vain 5 prosenttia kaikista tutkimuksista Coxin mallin tarkistaa taustaoletusten [23]. Tällä välin eri parametristen mallien, kuten Weibull ja lognormaalinen oli kehitetty analysoimaan Eloonjääntitulokset. Nämä mallit voivat tarjota tulkinta perustuu erityisiin jakaumat elinaika ilman tarvitse suhteellinen vaara oletuksia. Jos selviytyminen ajat ovat Weibull tai eksponenttijakaumaa, analyysi käyttäen parametriset menetelmät on tehokkaampi [16]. Tämä tarkoittaa sitä, tietyissä olosuhteissa, parametriset malleja kuten Weibull, Eksponentti- ja lognormaalinen voi saada tarkempia tuloksia kuin Cox malli. Koska väestön eloonjääminen ajat ovat yleensä eksponentiaalisesti tai Weibull jaettu lääketieteen alalla, siis, parametrinen malli on tehokkaampaa ja helpompaa määrittää kuin vastaava semiparametric tai nonparametric yksi ja ovat joustavampia, koska se mahdollistaa helpon sisällyttämisen kovariantteja. Useat tutkimukset soveltamalla parametristen mallien arvioimiseksi ennustetekijöiden vaikuttavia elinaika syöpäpotilaiden todistaa, että parametrinen mallit tarjoavat etuja Cox malli [16, 24].
Tämän tutkimuksen tarkoituksena oli tutkia vertailevan suorituskykyä Weibull mallin ja Cox malli selviytymisen analyysi potilaille, joilla mahalaukun syövän. Käytimme Akaike Information Criterion (AIC) arvioida kaksi mallia. Hiljattain katsaus selviytymisen analyysien, todettiin, että monet tutkimukset ovat osoittaneet kliinisiä ja patologinen ominaisuudet potilaiden selittävinä muuttujia suhteen säilymiseen [25-27]. Tässä tutkimuksessa tutkimme vaikutuksia ikä diagnoosin, sukupuoli, suvussa syöpä, menneisyyden sairaushistoria, sijainti kasvain, kasvaimen koon, eradicative aste leikkaus, syvyys kasvaimen invaasio, patologisen vaiheessa histologinen ja imusolmuke tila on elinaika. Sekä Weibull ja Cox monimuuttuja-analyysi osoitti, että aikaisempi ottaa mahasyöpä, potilaat olivat merkitsevästi suurentunut kuoleman seuraa huonosti eriytetty ja kohtalaisen eriytetty histologinen. Lisäksi eradicative aste leikkaus, patologisen vaiheessa syvyys kasvaimen invaasion ja sijainti kasvaimen havaittiin riippumaton ennustetekijöiksi potilaiden GC samoin. Meidän tulokset, sukupuoli ei todettu vaikutusta eloonjäämisaste. Mutta joissakin tutkimuksissa havaittu, että parempi eloonjäämisaste naisten [28], toinen kertoi, että jatkuvasti alemmat selviytymisen mahasyöpä naisten keskuudessa [6].
Ikä diagnoosi oli vahva ja itsenäinen kovariaattina selviytymisen potilaiden GC, että nuorilla oli parempi eloonjäämisen osoittamalla tavalla edellisessä raportissa [29]. Kasvaimen koko on merkittävä tekijä, joka oli vaikutus eloonjäämistä potilaiden univariate analyysi, joka on samanlainen kuin jotkin muut tutkimukset [30, 31]. Syvyys hyökkäys oli jälleen erinomainen ennustetekijöiden indikaattori sekä yhden ja usean analyysi. Meidän havainto on yhdenmukainen aikaisempien raporttien kanssa osoittivat, että syvyys hyökkäys on vaikutusta potilaan selviytymisen [32, 33]. Stage at diagnoosi oli voimakkaasti yhteydessä ennusteeseen tutkimuksessamme, joka on havainto toistuu useissa muissa tutkimuksissa [34-36]. Aiemmat raportit ovat osoittaneet, että määrä metastaattisen imusolmukkeiden oli voimakas ennustaja selviytymisen. Potilaat, joilla on etäpesäkkeitä 7 tai enemmän imusolmukkeiden (N2, N3), oli huomattavasti huonompi tulos verrattuna potilailla, joilla ei ole imusolmukemetastaaseja tai etäpesäkkeitä 1-6 solmut [1, 2, 37]. Kuitenkin meidän havainnot eivät ole yhdenmukaisia ​​aiemmin raportoitujen osoitti mukaan monimuuttujamenetelmin. Lisäksi tutkimuksemme tulokset ehdottivat, että histologinen luokitus oli itsenäinen ennustaja selviytymisen.
Tutkimuksessamme ikä on merkittävä Weibull mallissa, mutta se on merkityksetön Coxin regressio monimuuttujamenetelmin. Cox malli käytetään vain silloin, kun vaara on vakio ajan suhteen, mutta kuvion 1 tutkimuksessamme voimme nähdä, että selviytymisen ajan jakauma oli Weibull-jakauma, joten se on täsmällisempää käyttää Weibullin mallia. Arviointikriteerit ilmoitti myös Weibull malli on tehokkaampi verrattuna Coxin monimuuttujamenetelmin. Havainnot voimakkaasti osoitti Weibull oli täydellinen malli ja saattaisi johtaa tarkempia tuloksia.
Johtopäätökset
Tutkimuksemme osoitti, että ikä diagnoosin, ohi sairaushistoria, vaiheessa eradicative aste leikkaus, histologinen, syvyys kasvaimen invaasio ja sijainti kasvain oli ennustetekijöiden selviytymisen sairastavilla potilailla GC. Voidaan päätellä, että varhainen havaitseminen potilaiden nuorempina ja perusterveydenhuollossa vaiheissa ja histologinen voi olla positiivinen vaikutus potilaiden mahasyöpä ja on tärkeää pienentää elinaika. Myös tuloksista Monimuuttuja-analyysissä, data tuki voimakkaasti Weibull malli voi saada tarkempia tuloksia vaihtoehtona Cox.
Julistukset
Kiitokset
Tekijät haluavat kiittää Si-zhe Wang Yan Guo käsikirjoitus tarkistettavaksi. Kiitämme myös osaston tiedonhallinnan Tongji sairaalan avusta tiedonkeruun ja asiantuntijapaneelin Gastroenterologic Cancer Surgery näiden panoksesta teknistä tukea.
Kirjoittajien alkuperäinen toimitti asiakirjat kuville
Alla linkit kirjoittajien "alkuperäiset toimitti asiakirjat kuville. 12876_2010_536_MOESM1_ESM.bmp Kirjoittajien alkuperäinen tiedosto kuvio 1 Kilpailevat edut
Kirjoittajat ilmoittavat, että heillä ei ole kilpailevia intressejä.

• Mahalaukun outlet johtuva tukkeuma adenokarsinooma potilaassa, jolla ataksia-verisuoniluomen oireyhtymä: tapausselostus ja kirjallisuuskatsaus
• Selenoprotein S (SEPS1) geeni -105G > Promoottori polymorfismi vaikuttaa alttiuteen mahalaukun syövän Japanin väestö