دکتر سید سهراب هاشمی فشارکی

مدل شکنندگی وابسته به زمان در حوادث بازگشتی و کاربرد آن در بیماری صرع

نویسنده:

سمانه حسین زاده ، سقراط فقیه زاده ، مهدی رهگذر ، ابراهیم حاجی زاده ، سیدسهراب هاشمی فشارکی ، مرضیه قراخانی

چکیده:

سابقه و هدف

در حوادث بازگشتی، یک نوع حادثه برای فردی چندین بار در طول زمان تکرار می شود. مدل شکنندگی با وارد کردن وابستگی حوادث در مدل استنباط های کاراتری دارد. ثابت بودن شکنندگی در طول پیگیری می تواند ناکافی باشد. لذا مدل هایی شکنندگی وابسته به زمان، واقعی تر هستند. هدف این مطالعه برازش مدل شکنندگی وابسته به زمان برای حوادث بازگشتی است.

مواد و روش ها

در این مقاله مدل شکنندگی وابسته به زمان برای فاصله زمانی بین حوادث بازگشتی معرفی گردید که تعمیم مدل وینتربرت (۲۰۰۴) برای زمان وقوع حادثه در داده های خوشه ایبود. پارامترهای مدل با روش مربع بندی گاوسی برآورد شدند. مدل برای داده های بیماری صرع برازش شد.

یافته ها

مدل شکنندگی وابسته به زمان در مقایسه با مدل شکنندگی مشترک برازش بهتری داشت. ظهور مکرر دیسشارژ در نوار مغزی ۵۶ بیمار مبتلا به صرع (۷۳% مرد و ۳۴% جانباز) بررسی گردید. سن و وضعیت جانبازی رابطه معنی داری با فاصله زمانی بین دیسشارژها داشتند. معنی دار بودن واریانس شکنندگی نشان داده که عوامل وابسته به زمان باعث تغییر هم بستگی زمان وقوع دیسشارژها در طول زمان شده است.

نتیجه گیری

هرگاه در مسائل پزشکی عوامل وابسته به زمان نامعلومی باعث تغییر در زمان وقوع حوادث بازگشتی شوند، استفاده از شکنندگی وابسته به زمان منجر به نتایج معتبرتری است. روش برآورد کوادراتور گاوسی یک تکنیک کاربردی برای برازش مدل های شکنندگی وابسته به زمان است و به جهت برنامه نویسی راحت تر برای عمومی تر شدن و کاربردی تر شدن مدل های پیشرفته از جمله مدل شکنندگی وابسته به زمان مناسب است.

کلیدواژگان:

شکنندگی وابسته به زمان ، حوادث بازگشتی ، مربع بندی گاوسی ، صرع

زبان:

فارسی

انتشار در:

فصلنامه کومش، سال هفدهم شماره ۳ (پیاپی ۵۹، بهار ۱۳۹۵)

صفحات:

۷۶۱ -۷۷۱

 

 

Time-dependent frailty model to gap times between recurrent events with application to epilepsy data

Author(s):

Samaneh Hosseinzadeh , Soghrat Faghihzadeh , Mehdi Rahgozar , Ebrahim Hajizadeh , Seyed Sohrab Hashemi Fesharaki , Marzieh Gharakhani

Abstract:

Introduction

In recurrent event a specific event occur repeatedly over time for a person. The frailty models take into account this correlation and provide efficient inferences. The frailties are assumed to be constant over time that it may be insufficient. Therefore time-varying frailty models are more realistic models. The aim of this study was to fit a time-dependent frailty model in the gap time between recurrent events.

Materials And Methods

In this study, a time-dependent frailty model was introduced in the gap time between recurrent events, that was a generalization of the Wintrebert (2004) model in cluster data (center-effect). The parameters were estimated by Gaussian quadrature method. The model was applied to epilepsy data.

Results

The time-dependent frailty model fitted better in compare to shared frailty model. The observation time for IED on EEG in 56 patients (%73 male, %34 veteran status) with epilepsy was studied. Age and veteran status were the two risk factors in the gap time between IEDs. Variance of frailty was significant too.

Conclusion

The result of time-dependent frailty model was reliable when there were unknown time-dependent factors in medical data and make changes on times of occurring recurrent events. The Gaussian quadrature was an applied method to fit a time-dependent frailty model. The programming for this method was comfortable; hence this method can cause time-dependent fraility models to be more practical in medical studies.

Keywords:

Time , Dependent Frailty , Recurrent Event , Gaussian Quadrature , Epilepsy

Language:

Persian

Published:

Koomesh, Volume:17 Issue: 3, 2016

Pages:

761 - 771

 

https://www.magiran.com/paper/1507546