بررسی عوامل مؤثر بر زمان بقای بیماران مبتلا به لوسمی حاد فوت شده و برآورد میانگین زمان بقا توسط الگوریتم Expectation & Maximation و روش شبیه سازی مونت ک

نوع مقاله : Original Article(s)

نویسندگان

چکیده

چکیده
لوسمی یکی از انواع بیماری‌های بدخیم دستگاه خونساز بدن است که در مدت زمان بسیار کوتاهی باعث مرگ و میر می‌شود؛ در این مقاله، عوامل مؤثر بر زمان بقای بیماران مبتلا به لوسمی حاد لنفوئیدی (ALL)، مورد بررسی قرار گرفته است تا برای درک ارتباط میان زمان بقای این بیماران با عوامل مؤثر Expectation & Maximation، مدل رگرسیون پیش‌بینی کنندة مناسبی به دست آید.

روش ها:
اطلاعات 52 بیمار لوسمی فوت شده در بیمارستان سید الشهدای (ع) اصفهان بررسی شد. مدل رگرسیون پیش‌بینی کنندة مد نظر شامل متغیرهای هموگلوبین، سلول‌های نابالغ و سن بیمار بود. به دلیل توزیع آمیخته داده‌های موجود، یک مدل آمیخته برای زمان بقای بیماران در نظر گرفته، با استفاده از الگوریتم EM، برآورد بیشینه درست نمایی میانگین بقا را محاسبه کردیم. همچنین با به کارگیری روش شبیه سازی مونت کارلویی زنجیره‌های مارکف (MCMC) برآورد بیزی میانگین بقا را به دست آوردیم.

یافته ها:
با استفاده از روش‌های آماری فوق، تابع بقایی را به دست آوردیم که با استفاده از آن می‌توان مدت زمان بقای بیماران را بر حسب روز (به‌عنوان پیش آگهی) پیش‌بینی کرده در مورد درمان بیمار تصمیم گرفت.

نتیجه گیری:
به نظر می‌رسد می‌توان با مطالعات با حجم بیشتر و استفاده از روش‌ها و آزمون‌های آماری ذکر شده در این مقاله، ارتباطی بین یافته‌های بالینی و آزمایشگاهی و میزان بقا پیدا کرد. لذا می‌توان از این مدل برای سایر بیماری‌ها نیز جهت تعیین پیش آگهی استفاده نمود.

واژگان کلیدی:
برآورد بیشینه درست نمایی، برآورد بیزی، دو نمایی، رگرسیون، لوسمی، مدل آمیخته، میانگین بقا

عنوان مقاله [English]

Effective Factors on Survival Time of the leukemic Patients and Estimating the Mean of Survival Time by Expectation and Maximization Algorithm and Monte Carlo Markov Chains Simulation Method

نویسندگان [English]

  • Mohammad Bahrami
  • Mohammad Reza Moshkani
  • Mojgan Alam Samimi
چکیده [English]

BACKGROUND:
Leukemia is a kind of malignancy blood system which leads to death of human beings in a very short period of time. In this paper, the effective factors on survival time of the acute lymphoblastic leukemia (ALL) patients have been considered to achieve a linear regression model show the relation between the life-time after diagnosis and some explanatory factors.

METHODS:
In this study, the data of 52 patients died from ALL was used. The designed model contained three variables, hemoglobin, large undifferentiated cell (LUC) and age. According to the data suggesting, a kind of mixture distribution, we considered a mixture model for survival time. Applying the EM-algorithm, we have found the maximum likelihood estimate of mean survival time and the Bayesian estimate of the mean survival time by Monte Carlo Markov Chain method.

FINDINGS:
Based on the obtained estimating survival function, we can predict the survival time of the patients and decide about their treatment protocol.

CONCLUSION:
It is suggested that by conducting larger studies and statistical analysis used in this paper, a correlative can be found between clinical & paraclinical findings and the survival time. This model can be used in often kinds of diseases for determining the prognosis.

KEY WORDS:
Maximum likelihood estimation, bayesian estimation, bimodal, leukemia, mixture models, survival mean.