Krooninen sairaus

tiivistelmä

Background

Hoito valinta iäkkäillä potilailla keuhkosyöpä on punnittava hyödyt parantava /elämää pitkittää hoitoa ja riskeistä johtuvan kuolleisuuden lisääntymistä samanaikaisia ​​sairauksia. Keuhkosyöpä tutkimuksissa yleensä potilaiden sulkeminen pois samanaikaisia ​​sairauksia ja hoitoa koskevat suuntaviivat eivät erityisesti tarkasteltava perussairaus, joten hoitopäätökset tehdään yleensä subjektiivisiin yksittäisistä tapauskohtaisesti.

Methods

vaikutukset leikkaus, säteily, ja kemoterapia mono-hoitoa sekä yhdistettynä kemoterapia /säteily yhden vuoden kokonaiselinaika (verrattuna ei-hoitoa) tutkitaan vaiheessa erityisiä keuhkosyöpä 65+ yo potilailla. Menetelmät syy päättelyn kuten alttiutta ottelun käänteinen todennäköisyys painotus (IPW) varten ajasta riippumaton ja marginaalinen rakennemallin (MSM) ja ajasta riippuva hoitoja sovelletaan näkijän-Medicare data harkitsee läsnäolo comorbid sairauksia.

tulokset

122822 potilaalla on vaiheen I (26,8%), II (4,5%), III a (11,5%), IIIb (19,9%), ja IV (37,4%) keuhkosyöpä valittiin. Nuoremmat, pienempi kasvaimen koon ja vähemmän lähtötilanteen komorbiditeetteja ennustaa paremmin hengissä. Vaikutuksista radio- ja kemoterapia lisääntynyt ja vaikutuksia kirurgian laski kehittyneempien syöpä vaiheissa. Vaikutukset kaikkien hoitojen heikkeni oikaistu valinnan bias kuitenkin muutokset vaikutukset olivat vähäisiä todennäköisesti heikon valinta bias tai epätäydellisyys luettelon ennustajia, jotka vaikuttivat hoito valinta. MSM tarjoaa enemmän realistisia arvioita hoidon vaikutuksista kuin IPW lähestymistapa ajasta riippumaton hoito.

Johtopäätökset

Syy päättely menetelmillä saadaan merkittäviä tuloksia hoidon valintaa ja selviytyminen vanhemmat keuhkosyöpää sairastavien potilaiden realistiset odotukset mahdollisia etuja tiettyjen hoitoja. Hakemukset näiden mallien tiettyjä osia potilaat voivat auttaa kehittämään käytännön ohjeita, jotka auttavat optimoimaan keuhkosyövän hoidossa perustuu potilaan ominaisuuksista.

Citation: Akushevich I, Arbeev K, Kravchenko J, Berry M (2015 ) Syy Effects of Time-Dependent Hoidot vanhemmilla potilailla, joilla ei-pienisoluinen keuhkosyöpä. PLoS ONE 10 (4): e0121406. doi: 10,1371 /journal.pone.0121406

Academic Editor: Rui Medeiros, IPO, Portugali syöpäinstituutti Porton PORTUGALI

vastaanotettu: 10 lokakuu 2014; Hyväksytty: 01 helmikuu 2015; Julkaistu 7 huhtikuuta 2015

Copyright: © 2015 Akushevich et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään

Data Saatavuus: kaikki asiaankuuluvat tiedot kuuluvat paperin ja sen tukeminen Information tiedostoja.

Rahoitus: tutkimus raportoitu tässä asiakirjassa tukivat National Institute on Aging avustuksia R21AG045245 (PI on IA, kattaa toimia kaikkien tekijäkumppaneita) ja R01AG046860 ( kattaa ponnisteluja IA, KA, ja JK). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Keuhkosyöpä on johtava syy syövän kuolleisuus Yhdysvalloissa ja pääasiassa ilmenee vanhemmilla aikuisilla, joiden arvioitu keskimääräinen ikä 69 vuotta diagnoosin. Lääkärin tulee tehdä keuhkosyöpä hoitopäätöksiä punnitsemalla

pro

edut parantavia ja elämää pidentää terapia vastaan ​​

vasta

tekijät, kuten lisääntynyt kuolleisuusriski vuoksi samanaikaisia ​​olosuhteissa. Valitettavasti arvioimalla sekä riskit ja edut hoidon iäkkäiden potilaiden on vaikeaa. Kokeissa keuhkosyövän hoitojen puuttuu usein iäkkäillä potilailla välttämiseksi himmennysväline syövän hoidossa vaikutuksia potilaiden samanaikaisia ​​edellytyksiä [1-4]. Läsnäolo ja vakavuus comorbid olosuhteiden vanhuksilla yleisesti tiedetään lisäävän riskiä hoidon toksisuuden ja vähentää hoidon toleranssi; kuitenkin tiedot, jotka tarkemmin ohjaa hoitomuodot ovat vakavasti puuttuu [5]. Lopulta olemassa olevien ohjeiden eivät anna yksityiskohtaisia ​​tietoja, jotka voivat auttaa tekemään näitä vaikeita päätöksiä ja hoito on olennaisesti ohjaavat subjektiivinen kliininen tuomion yksittäistapauksissa [6].

Viimeaikaiset edistysaskeleet kokoelma voimakas aineistot ja tilastollisten menetelmien kuten syy päättely antaa tutkijoille uusia mahdollisuuksia tarkasti vertailla vaikutus eri kohtelu tilat minimaalisesti heterogeenisiä potilasryhmien. Analyysi liittyy Surveillance, epidemiologia, ja Lopputulokset (SEER) -Medicare tietokanta menetelmillä mahdollistaa käsitellään valintaa bias (tärkein haaste analyysin havaintoaineistoa) voisivat tarjota uusia ja kattavaa tietoa hoito tilat, jotka voivat olla aika -riippuvaisella. Käyttämällä näitä analyysejä varten suhteellisen homogeeninen potilasryhmissä perustuu yksilöllisistä ominaisuuksista kuten syövän vaiheessa, hoitoon, ja samanaikaisia ​​olosuhteet voivat mahdollisesti suuresti auttaa kehittämään hoitoa ohjeiden tilanteessa, jossa vahva määrälliset todisteet puuttuu tällä hetkellä. Kuitenkin menetelmiä syy päättelyn on koskaan sovellettu näkijän-Medicare tiedot ja niiden kykyä tarjota syy arviot (sekä ominaisuuksia näiden arvioiden) ei tiedetä. Ensimmäinen ja väistämätön askel käsiteltäessä tämän puutteen tieto on tarkistaa, kuinka standardin lähestymistapoja syy päättelyn varten ajasta riippumaton ja aikariippuvainen hoitoja, jotka olivat onnistuneesti soveltaa myös muilla aloilla lääketieteellinen tutkimus voi työskennellä syöpätutkimuksessa. Tämä vaihe on pääpaino tämän tutkimuksen.

Taipumus-pisteet lähestymistavat (esim käänteinen todennäköisyys painotus (IPW)) ja marginaalinen rakenteellisia malleja (MSMS) ovat tällä hetkellä menestyksekkäin tilastoteknologian pystyy puuttumaan valinta bias ajasta riippumaton ja aikariippuvainen hoitoja, vastaavasti [7,8]. MSM käyttää IPW lähestymistapa arvioida yksittäisiä (stabiloitu) painot ja sitten arvioi vaikutukset ajasta riippuvat hoidoista painotettua toistuvasti toimenpiteen lähestymistapaa. MSM on käytetty useita tilanteita, [9-11], mutta sen käyttö syövän hoidossa ei ole raportoitu. Tavoitteena Tämän analyysin on soveltaa IPW ja MSM näkijä-Medicare data tutkia syy hoidon vaikutuksia (leikkaus, säteilyä tai kemoterapiaa, sekä ei hoitoa) eloonjäämiseen potilaiden keuhkosyöpä annetaan yksittäisen potilaan kasvainten ominaisuuksiin, perussairaus, ja demografiset ja sosioekonomiset tekijät. Erityistä huomiota kiinnitetään dynaaminen keskinäiset hoidon ja perussairaus, koska liitännäissairauksia vaikutukset sekä hoidon valinta ja hoidon tehokkuudesta, kun syövän hoito voi pahentaa yhteistyössä nykyisten olosuhteissa. Metodologisesti, tutkimme kuinka soveltamalla menetelmiä syy päättelyn laajamittaiseen havaintoaineistoa kuten SEER-Medicare voi auttaa selvittämään vaikutuksia eri hoitomuotojen keuhkosyöpään säilymiseen.

Data ja menetelmät

laajentunut näkijä rekisterin kattaa noin 26% Yhdysvaltojen väestöstä. Medicare kirjaa useiden miljoonien ihmisten löytyvät SEER-Medicare lukien 413776 yksilöiden keuhkosyöpään. Suurimmalle osalle potilaista, jatkuvaa kirjaa Medicare palvelujen käytöstä ovat saatavilla vuodesta 1991 (tai siitä, kun henkilö on suorittanut 65 vuoden iän jälkeen 1990), kunnes potilaan kuolemaan. Pieni osa yksilöiden (esim uutta potilasta sairastui syöpään vuosina 2003-2007) on Medicare levyjä 1998. Medicare tiedot ovat käytettävissä kunkin institutionaalisten (MedPAR, avohoidossa, saattohoidon tai kotisairaanhoidon virasto (HHA)) ja ei- institutionaalisten (Carrier-lääkäri-toimittaja ja Kestävä Medical Equipment Provider) väite tyyppi.

Treatment kuvioita (ts esiintyvyys kunkin hoidon tyypin mukaan lukien kemoterapia, sädehoito ja kirurgia jokaisessa päivänä yksilöllistä seurantaa) on rakennettu käyttäen ICD-9, CPT /HCPCS, ja tulot keskukset menettely koodit saatavilla eri Medicare lähteistä. Lähestymistapa rekonstruoida ajankohtana puhkeamista on samanlainen kuin Berry et al. [12]. Tiedot i) demografisia ominaisuuksia (ikä, sukupuoli, ja rotu), ii) kasvaimeen liittyvät piirteet (histologia, vaihe, ja TNM tila), iii) pinta-sosioekonomisten tilat (SES), ja iv) olevat muut sairaudet heijastuu liitännäissairauksia indeksin, käytetään luomaan perustason ja ajasta riippuvia (for liitännäissairauksia vain) ennustavat hoidon tilassa ja selviytymistä. Sosioekonomiset tekijät edustaa väestönlaskennan suolikanavan -tietoa potilaan asuinpaikka; Tämä tieto saadaan 1990 tai 2000 US Census Bureau tutkimuksia, riippuen potilaan vuosi syövän diagnoosin, vastaavasti. Seuraavat SES muuttujat pidetään: prosenttiosuus mustat, prosenttiosuus vuotiaiden 25 + vuotias, jolla on vähintään neljän vuoden college koulutus, ja prosenttiosuus asuvat köyhyysrajan alapuolella. Dynaamisesti muuttuvan liitännäissairauksia tila edustaa liitännäissairauksia indeksi lasketaan

C

(

t

) = Σ

d

w

d

I

d

(

t

), jossa

I

d

(

t

) ovat indikaattoreita tautien aika

t

, ja

w

d

ovat taudin painot arvioitu käyttämällä Coxin regressiomallin soveltaa koko kohortin keuhkosyöpäpotilaiden, valvoa potilaiden iästä, rodusta, sukupuolesta ja vaiheessa diagnoosi. Yksityiskohdat laskennan ja luettelo 85 olosuhteet vaikuttavat indeksin käsitellään Kravchenkon et al., [13]. Esillä olevassa asiakirjassa, liitännäissairauksia indeksi on luokiteltu viiteen ryhmään perustuu prosenttipisteet jakelua kaikille potilaille valittiin analyysiin. Potilaat ryhmässä 0 oli vähiten komorbiditeettien kun potilaat 4 ryhmä oli suurin määrä samanaikaisia ​​sairauksia.

Seuraavat kriteereillä käytettiin: i) keuhkosyöpä diagnoosi tehtiin aikana aika 1992-2007; ii) ikä diagnoosi oli 65+ vuotta; iii) kasvaimen histologinen tyyppi oli ei-pienisoluinen karsinooma; iv) potilailla oli sairausvakuutus osassa A ja B Medicare eikä HMO vakuutuksen kuukausittain kauden 12 kuukautta ennen ja 6 kuukauden kuluttua diagnoosista; v) kasvain vaihe aikaan diagnoosi kuin se on määritelty käyttäen Modified AJCC Stage 3

rd (1992-2003) ja 6

th painokset oli joko vaiheissa I, II, III, ja IV ei ole luokiteltu ”tuntematon”; vi) päivämäärä keuhkosyöpään puhkeamista tunnistettujen analyysin Medicare liikeratoja [14] putosi kauden aikaisintaan kaksi ja enintään kolme kuukautta, kun se näkijä kirjattu päivämäärä syövän diagnoosi; vii) tiedot kolmesta SES muuttujat edellä kuvattu (SES musta, SES korkeakoulu, ja SES köyhyys) ei ole olemassa; viii) kuolema tapahtuma ei tapahtunut aikaisemmin kuin 15 päivää keuhkosyövän diagnosointiin; ja ix) kasvaimen vaiheesta T ei vaiheessa T0.

menetelmät syy päättelyn avulla arvioidaan hoidon vaikutuksia eloonjäämiseen keuhkosyöpäpotilaiden vaiheessa erityisiä kerroksiin. Sillä aikaa riippumaton hoitoja (edustaa ei-järjestetty lista käsittelyjä potilaaseen), käytimme taipumus pisteet lähestymistapaa käänteinen todennäköisyys painotus menetelmällisesti jälkeen laskennallisen menettelyn käytetty [15]. Komponentit Tämän lähestymistavan ovat i) arviointiin hoidon malli ja arviointi yksittäisten painojen, ii) laadun tarkkailua luotu pseudorandomization analysoimalla taulukoissa vertailla muuttujat joukossa hoitoryhmissä alkuperäisen ja painotettu (eli pseudorandomized) potilasaineistoihin, ja iii) arvio hoidon vaikutus painotettuun kohorttien ja sen vertailu arvioon saatu käyttämättä painoja. Menetelmiä sitten yleistynyt käytettäväksi ajasta riippuva hoitoja. Tällaiset lähestymistavat tunnetaan marginaalinen rakenteellisia malleja [7,8]. Tässä lähestymistavassa IPWs ensin laskettiin kunakin ajankohtana käyttäen sekä lähtötilanteesta ja aikariippuvainen ennustajia. Arvioissa hoidon vaikutuksia saatiin sitten painotettuun toistuvia toimenpiteitä lähestymistapa, kun molemmat parametrit vastaavat hoidon vaikutus ja vaikuttavia tekijöitä sekä parametrit korrelaatiomatriisin syömällä vaikutus eri ajankohtina arvioitiin.

Ethics lausuma . Tiedot Tässä tutkimuksessa käytetyt ole yksittäinen tunnistetietoja. Ei kirjallinen suostumus annetaan osallistujille ja mitään erityisiä menettelyjä de-tunnistaminen rekistereihin tarpeen. Kaikki tiedot analyysit suunniteltiin ja suoritettiin noudattaen eettisiä vastaavan valiokunnan ihmisen kokeilua ja Helsingin julistuksen (1975, tarkistettu vuonna 1983) ja on hyväksynyt Duke University Health System Institutional Review Board (Pro00030031).

Analyysi ja tulokset

perustason ominaisuudet valikoiduilla potilailla on esitetty taulukossa 1. Kaikkiaan valitsimme 122822 keuhkosyöpäpotilaita vaiheiden I (26,8%), II (4,5%), IIIa (11,5%), IIIb (19,9%), ja IV (37,4%). Kuten taulukosta 1, ikäryhmässä 70-74 vuotta on eniten diagnoosien ja jakelun vanhenee diagnooseista on samanlainen kaikissa vaiheissa. Kaiken miehet ovat diagnosoitu useammin kuin naisilla. Naaraat ovat usein diagnosoitu aikaisemmissa vaiheissa. Sitä vastoin ei-valkoinen potilaat ovat usein diagnosoitu suurempi vaiheissa. Molemmat adenokarsinooma (AC) ja okasolusyöpä (SCC) keuhkojen diagnosoidaan useammin aiemmissa vaiheissa verrattuna muihin keuhkosyöpään histotypes. Muodot jakaumien T ja N tilat odotetaan kliinisestä näkökulmasta (M-tila ei ole esitetty, koska se on M1 vaiheessa IV ja M0 muita vaiheita). Potilaat diagnosoitu kehittyneempien syöpä vaiheessa oli enemmän samanaikaisia ​​sairauksia. Kuten olisi odotettavissa perustuu nykyisten hoito-ohjeiden ja käytännön esiintyvyys leikkauksen dramaattisesti putoaa potilailla, joilla on myöhäisvaiheen keuhkosyöpä. Sen sijaan hoitoja, joihin kemo- ja sädehoidon (sekä ”ei hoitoa” -vaihtoehto) käytetään useammin hoitoja kehittyneitä syöpiä. Potilaat, joilla on korkeampi SES (jonka oleskelutilassa on ominaista enemmän koulutettuja, alemman köyhyys-tason, ja alemman murto-of-mustat väestöstä) diagnosoidaan aiemmissa vaiheissa, vaikka vaikutus on vähäinen.

aika-riippumaton hoito

hoito tilat on määritelty käyttäen tietoja menettelystä koodeja ajanjakso siitä päivästä, diagnoosi 200 päivän kuluttua diagnoosista. Mitkä tahansa koodin liittyvän leikkauksen, kemoterapian tai sädehoidon tahansa Medicare aineistosta ilmenee kunkin hoidon potilaalle. Kahden vuoden vaiheessa- ja hoito-erityisiä selviytyminen toiminnot on esitetty kuvassa 1. Vasen sarake näyttävät vaikutusten hoitoon tilat, joihin ei liity leikkaus, mukaan lukien ilman hoitoa lainkaan, kun taas oikea sarake näyttävät vaikutuksia hoitojen kirurgian kanssa tai ilman muuta hoitoja. Useita johtopäätöksiä voidaan tehdä laadullinen tarkastelu hoito-tautivapaalle toimintoja. Käsittelyt kirurgia ovat hyödyllisiä jokaiselle vaiheelle. Ainakin osittain tämä voisi johtua valinta bias jossa leikkaus on edullisesti valittu potilaille, jotka olivat terveempiä. Potilaat, jotka leikattiin voivat vaihdella erityisten kasvainten ominaisuuksiin. Esimerkiksi, kun leikkaus on erittäin epätodennäköistä, käytetään potilailla, joilla on laajaa etäpesäkkeiden, sitä käytetään joskus vaiheessa IV potilailla, joilla on vain yksi etäispesäkkeiden. Myös vaiheessa IIIA, leikkaus on todennäköisempää käytetään potilaille, joiden N2 sairaus johtuu rajallinen määrä mikroskooppilöydöksistä verrattuna potilailla, joilla on laaja etäpesäkkeitä imusolmukkeissa. Vaiheen I potilaille, lisäämällä muita hoitoja leikkausta ei ilmeisesti tarjota lisää lyhyen aikavälin elinkelpoisuuden hyöty. Suuremmille vaiheessa potilaille, yhdistetään leikkaus muiden hoitojen näytti parantuvan selviytymistä. Lisäksi alussa potilaiden elinaikaa oli leikkaus vaiheiden II-IV ilmestyy pahin potilailla, jotka oli vain leikkaus-tämä havainto saattaa johtua potilaille, jotka hoidettiin ensisijaisesti leikkausta ja oli komplikaatioita tai kuolleisuutta leikkauksesta, joka rajoitti niiden kyky olla annetaan muita hoitoja.

rivit vastaavat vaiheissa I, II, III, ja IV.

valinta bias voidaan ratkaista käyttämällä taipumus pisteet perustuva analyysi kanssa IPW. Hoitomallia (yleistynyt logittimalli) ennustamiseksi todennäköisyys on yksi kahdeksasta hoidon tilat (eli mikä tahansa yhdistelmä kirurgian, kemo- ja sädehoidon vs. ei käsittelyä) arvioidaan valvoa sukupuolen, rodun, ikäryhmä, T-tila kolme SES muuttujat (luokiteltu kolmeen ryhmään sen mukaan, persentiilit), liitännäissairauksia indeksi, ja histologia. Mallin ennustaa todennäköisyydet saada mitään hoitoa kullekin potilaalle. Yksittäiset painot ovat sitten lasketaan vastavuoroisesti todennäköisyydellä olla todella noudatetaan käsittelyä, jolloin painotettu väestön on pseudorandomized suhteen terveyteen liittyviä ominaisuuksia subcohorts kunkin annettiin hoitoa tilassa. Taulukko 2 ja S1 ja S2 taulukot osoittavat, että frekvenssijakaumien arvioitu painotettu väestön samanlaista kaikkien hoitoon erityisiä subcohorts: p-arvot muodollinen testien tarkkailun jakaumien joukossa hoitoryhmien kerätään taulukossa 2 ja täydelliset tiedot (mukaanlukien todelliset luvut potilaista hoitoryhmässä ja prosenttiosuus lasketaan ottamatta ja painot) esitetään S1 ja S2 taulukot. Tulokset osoittavat, että vaikka lähes kaikki muuttujat jaetaan eri tavoin potilasryhmissä, tämä epäyhtenäisyys katoaa pseudorandomized kohortteja jolle vastaavat prosenttiosuudet ja p-arvot lasketaan käyttämällä IP-painoja.

Syy vaikutus hoidon tilat arvioidaan Coxin malli pseudorandomized väestölle. Tulokset analyysi yhden vuoden eloonjääminen on esitetty taulukossa 3. Olemme oikealla sensuroitu kaikki potilaat, jotka eivät olleet kuolleet ja oli seuranta yli yhden vuoden ja yhden vuoden pisteen. Sekä painotettu ja painottamaton arvioista. Tärkein ennustaja korko oli kahdeksan luokan muuttuja edustaa hoidon tilaa. Kolme kofaktoreita käytettiin: ikäryhmässä, liitännäissairauksia ryhmä, ja T-tila. Arvioitua vaikutuksia näillä kofaktoreita odotetaan: ilmeinen kasvu niiden vaikutuksia ikäryhmässä, samanaikaisia ​​alaryhmiä tai alaryhmien suuremmilla arvoilla T-tila. Hoidon vaikutuksia tilat odotetaan myös ja yhdenmukaiset tulokset esitetään kuviossa 1. riskisuhde (HR) leikkauksen vähenee korkeamman vaiheisiin, kun taas HR säteilyn ja /tai kemoterapian korotuksia korkeampi vaiheissa. Lisääntymistä odotettavia tuloksia kliinistä kokemusta on ensimmäinen havainto arvioista esitetty taulukossa 3. Toinen havainto on, että arvioiden hoidon vaikutukset eivät muutu voimakkaasti alkuperäistä ja pseudorandomized potilasryhmien. Tämä havainto viittaa siihen, että valinta bias ei ole yhtä vahva kuin alunperin epäillään tai että joukko havaittujen muuttujien Taulukossa 2 ei ole riittävästi kattamaan todellisten muuttujien luettelon ennustamisen hoidon valinta. Kolmas havainto on, että vaikutukset kaikkien hoitojen (vs. ei käsittelyä) tuli pienempi pseudorandomized populaation kaikkien vertailujen paitsi subcohort vaiheen IV hoidettujen potilaiden sekä kirurgian ja sädehoidon.

Time- riippuvainen hoito

Yksi rajoitus käyttämisestä ajasta riippumaton hoitoja on, että erityistä hoitoa voidaan ole määritetty yksittäiselle koska hänen /kuolemaansa. Tämä voi vääristää vaikutuksia erityistä hoitoa eloonjäämiseen. Lisäksi toinen johtopäätös Kuvio 1 on, että Coxin suhteellinen vaara malli ehkä toimi koko ajanjakson yksittäisten seurannan. Näin ollen pituussuuntainen malli toistetaan dataa, jossa todennäköisyyksien hoitoa arvioidaan ja eloonjäämisen aikana lyhyen ajan katsotaan, voisi olla parempi soveltaa. Tällainen lähestymistapa tunnetaan MSM [7,8], logistinen malli painotettu toistuvia toimenpiteitä malli yleistyneitä arvioimalla yhtälöt (GEE). Tässä mallissa todennäköisyys erilainen kohtelu liikennemuotojen mielenkiinnon mallinnettu ennalta ajankohtina yksittäisten seurannan (esim kukin kaksi kuukautta). Pseudorandomization käyttäen lähtötilanteessa ja ajan riippuvien muuttujien luodaan kunakin ajankohtana. Eloonjäämisen todennäköisyys on sitten mallinnetaan kunakin ajankohtana ja havaintoja samoista potilaista katsotaan toistetuissa mittauksissa. Tulokset kahden hoitoryhmän (mukana ja joihin ei liity leikkausta) esitetään taulukossa 4. Taulukko 4 sisältää myös arviot HR ajasta riippumaton hoitoja (kuten taulukossa 3, mutta valitsemalla tai valinnan poistaminen potilailla, joilla on leikkauksen). Yksi havainto tuloksista on, että edulliset vaikutukset kemo- ja sädehoidon ovat selvempiä kokeneille vaiheissa keuhkosyöpään. Vaikka kertoimet suhdeluvut (OR) laskettu käyttämättä IP painot ovat tasolla 1,0 (tai jopa suurempi) jopa vaiheissa, sisällyttäminen IP painot aiheuttaa huomattavia myönteisiä vaikutuksia vaiheisiin IIIA, B ja IV. Toinen havainto on, että on olemassa tilanteita, jolloin hoito voi olla haitallista: molemmat OR MSM ja HR lasketaan ajasta riippumaton hoitoja voisi olla noin tai yli 2,0, kun kaikki kolme hoitoa annetaan potilaille, joilla on vaiheen I ja II – Nämä havainnot viittaavat siihen, että ylihoito joissakin tilanteissa saattaa potilaat sairastuvuutta ja kuolleisuutta toissijainen hoitoon ilman että ylimääräistä eloonjäämishyötyä. Lisäksi näemme, että arviot ajasta riippumaton hoito näyttää enemmän myönteisiä kuin saadaan sisällä MSM. Ero näiden arvioiden tulee osuudet htkk ilman kemo- tai sädehoitoa: MSM nämä htkk pidetään ilman hoitoa ohjaus, kun taas aika-riippumatonta hoitoa ne edistävät hoidon arvioitu Tällä henkilöllä. Tapauksissa ilman leikkausta nämä htv ilman hoitoa tässä kuussa vastaavat paremmin selviytymisen siksi meidän tarkkailla enemmän myönteisiä vaikutuksia ajasta riippumaton hoitoja. Samanlaisia ​​väitteitä avulla voimme ymmärtää eroja, jotka havaittiin hoidettujen potilaiden leikkauksen. Näemme samankaltaisia ​​kuvia varten vaiheissa koska ”leikkaus vain” ei ole paras mahdollinen hoito strategiaa vaiheissa ja meillä on päinvastainen tilanne vaiheen I koska ”leikkaus vain” on kaikkein paras hoito vaiheen I (katso kuva 1).

vakiolausekkeesta MSM edellyttää käyttämällä niin sanottua vakiintunut painot lasketaan: Π

t

(

w

t

/w

t0

), jossa indeksi

t

kulkee kaikki ajanjaksot (myös perustason, eli kuukausi diagnoosi), ja aika painoja

w

t

ja

w

t0

edustavat vastavuoroisesti todennäköisyyksistä todella noudatetaan hoitojen ehtona lähtötilanteen ennustajia

c

b

tai ilman aikariippuvainen ennustajia

c

t

, eli

w

t

= [Pr (

T

=

T

t

|

c

b

,

c

t

)]

-1 ja

w

t0

= [Pr (

T

=

T

t

|

c

b

) ]

-1. Laskeminen stabiloitua painojen on kaksi ylimääräistä erityisiä lähestymistapoja verrattuna tapa laskea IP painot ajasta riippumaton hoitoja (eli yksinkertaisesti

w

t

jonkin aikaa piste) : i) painot tietyn ajan pisteen lasketaan suhteena

w

t

/w

t0

eli lisätekijä käytetään nimittäjä ja ii) painot lasketaan tuotteiden painojen saatuja mittauksia edellisessä ajankohtina. Emme käytä molempia säädöt painojen laskentaan lähestymistapamme ja käyttää tavallista kaavaa paino

w

t

= [Pr (

T

=

T

t

|

c

b

,

c

t

)]

-1with kasvainten ominaisuuksiin, nykyinen liitännäissairauksia indeksi, aikaisempi hoito, SES tekijä ja demografia (sukupuoli ja ikä) ennustajina erityisiä hoitoja. Valinta perustui vertailuun käyttäen saadut tulokset tätä lähestymistapaa ja lähestymistavat perustuvat vakiintunut painoja, ja ei-stabiloitu painot kertolaskua edellisiin ajankohtina. Vain valituilla lähestymistapa antavat riittävän pseudorandomization kaikissa pidetään ajankohtina, joka on esitetty S3 taulukossa. Pseudorandomization molemmissa kaksi vaihtoehtoista lähestymistapaa kuvataan ei riitä, jolloin esiintyminen harhaa eloonjäämisen mallissa parametriestimaatit. Esimerkiksi vaikutus kemoterapian taulukossa 4 (painot ovat

w

t

) on OR = 0,989 portaalle I, kun taas lähestymistavat muiden painojen saatiin 1,107 (painot ovat Π

t

w

t

), 1,111 (painot ovat

w

t

/w

t0

), ja 1,369 (painot ovat vakiintuneet, eli Π

t

(

w

t

/w

t0

)). Uskomme, että arvio taulukossa 4 on realistinen, koska osa merkittäviä eroja muuttujat ennustaa hoidon valinta (ei esitetty) on 2/31 (molemmat liitännäissairauksia indeksi), kun taas nämä jakeet muut kolme menetelmät ovat 9/31, 17 /31, ja 21/31, vastaavasti.

tuloksia ja ennustajia MSM arvioidaan kussakin aikapisteessä ja pidetään erillinen havaintoja. Käytämme neljä ajankohtina (0, 2, 4 ja 6 kuukauden ajan diagnoosit) ja näin ollen aineisto MSM on tietueiden määrä neljä kertaa suurempi kuin määrä potilaita. Havainnot samasta potilaasta eivät ole riippumattomia, joten GEE lähestymistapaa toimiva matriisi kuvaava korrelaatio ajankohtina samasta potilaasta käytetään. Tulokset esitetään taulukossa 4 saadaan käyttämällä niin sanottua 3-palkkatyöhön matriisi, jossa lävistäjä parametrit (eli matriisi elementtejä kolmen lävistäjien

W

i

,

i

+

j

≡

W

j

,

J

= 1, 2, 3) ovat samat (kaikkien rivien edustaa index

i

) ja ovat estimoinnin. Sillä suurin osa painotettu ja painottamaton vaihespesifisiä analysoi parametrit suunnilleen arvioitiin

W

1 ≈ 0,7,

W

2 ≈ 0,4, ja

W

3 ≈ 0,1. Myös itsenäinen tai vaihdettavissa autoregression ja määrittelemätön työskentely matriisien testattiin. Arvioissa käyttää näitä työ- matriisien ja tilastotietojen perusteella (kuten lähes todennäköisyys tiedot kriteeri (QIC) Pan [16] vahvistaa valinnan 3-riippuvaisten matriisi kuin optimaalinen.

Herkkyysanalyysi

edellä vertailu arvioita ajasta riippumattoman ja aikariippuvainen hoitojen vaihtoehtoisia lähestymistapoja laskea painoja, ja eri malleja työskennellä korrelaatiomatriiseihin in GEE on ensimmäinen vaihe meidän herkkyysanalyyseistä suunniteltiin arvioimaan luotettavuutta havainnoistamme ja tunnistaa epävarmuudet soveltaa MSM näkijä-Medicare tiedot. Muu malli tiedot testattiin lisää herkkyyttä tutkimuksissa mahdollistaa arvioida vaikutuksen toimeksiannon kuluessa diagnoosin ja erityisten valinnan ajankohtana hoitoon arvioitavaksi. Emme löytäneet merkittävän muutokset tuloksissa vaihtelevissa kunkin mallioletuksiin paitsi silloin, kun eri määrä ajankohtina käytettiin. poistaminen viimeisen kerran pisteen analyysin (ts ajanhetkeen 6. kuukauden kuluttua diagnoosin) saa aikaan myönteisiä vaikutuksia kaikki hoitoja. Tämä havainto viittaa siihen, että viiveet tämän pituuden diagnoosin jälkeen tuloksia huonompi selviytyminen.

Tärkein rajoitus edellä malli on oletettu puute mittaamatta covariates hoitoon liittyvät tehtävän ja myöhemmät selviytymistä. Ilmeisesti, mittaamatta kasvaimen tilat (ts kolmikko T-, N- ja M-tilat) ennen ja jälkeen hoidon ovat sellaisia ​​muuttujia. Ne mitataan lähtötilanteessa vain. Voit tarkistaa vaikutus tämän oletuksen me mallinnettu dynamiikkaa kasvaimen statukset käyttäen vaihespesifisiä siirtyminen todennäköisyydet. Ensinnäkin, jakaumat T ja N tiloja aikaan diagnooseista käytettiin sattumalta tuntematon tiloja lähtötilanteessa. Toiseksi, me mallinnettu kaksi kuukautta vaihespesifisiä todennäköisyyksien kasvu tilat 1 tai 2 yksikköä, esim käytimme 5%

T

n

→

T

n

+2 ja 20%

T

n

→

T

n

+1 kaikkia vaiheita ja 5, 10, 25, ja 25%

M

0 →

M

1 vaiheissa I, II, IIIA, ja IIIB, vastaavasti. Kolmanneksi, me mallinnettu vaikutuksia kunkin hoidon. Leikkaus ja sädehoitoa tuloksena on

T

0 ja

N

0 tiettyjä vaihespesifisellä todennäköisyydet myöhemmin toistuvien kasvaimen kasvua kahdessa kuukaudessa, esim todennäköisyyksiä

N

0 →

N

1 olivat 2, 10, 15, 15, ja 15% viiden katsotaan vaihetta. Kemoterapia oletettiin olevan tietty todennäköisyys parantaa

T

– ja

N

-statuses (esim 50%

T

n

→

T

n

-1, 25%

T

n

→

T

n

, ja 25%

T

n

→

T

n

+1) ja pienentää todennäköisyyttä metastasizing. Me mallinnettu TNM-statukset kaikille potilaille näiden oletusten ja sitten lisätään nämä uudet muuttujat MSM malleja. Olemme havainneet muutoksen arvioiden (esim syrjäisimpien alueiden käsittelyjen ilman leikkausta potilaiden lavastettuja IIIA olivat 0,868 (sijasta 0,920) ja kemo- ja radio-terapia, 0,711 (0,680) kemoterapiaan ja 0,769 (0,799) sädehoidon), joka kuitenkin sallittua johtopäätöksemme pysyy samana. Pieni muutos parametriestimaatit tapahtui, koska tietoa potilaan kuolema ei käytetty, kun otetaan huomioon, että todennäköisyys potilaan kuolemaan vahvasti korreloi muutoksiin TN- ja erityisesti M-tilat. Kun lisäsimme nämä tiedot Mallinamme strategiaan (esim oletimme, että todennäköisyys siirtyminen

M

0 →

M

1 riippuu ajasta hengiltä exp (

α

(

t

d

-t

)), jossa

t

ja

t

d

ovat kellonajan ja diagnoosin aikana, havaitsimme paljon korkeampi muutoksia parametriestimaatit. kuitenkin joka kertoo, kuinka realistisia nämä tulokset ovat on vaikeaa, koska se on haastavaa erottaa todellisen riippuvuus