JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

نصور طريقة متعددة المراحل لقياس تأثير الأترابية مع بيانات العمر ، مما يسمح بإزالة البيانات في العديد من المواقف دون التضحية بجودة البيانات. يوضح البروتوكول الاستراتيجية ويوفر نموذج انحدار مرجح لتحليل بيانات سرطان الخلايا الكبدية.

Abstract

للتخلص من تأثير العمر والفترة في بيانات جدول طوارئ الدورة العمرية ، تم اعتماد طريقة متعددة المراحل لتقييم تأثير الأتراب. الورم الخبيث الأولي الأكثر عمومية في الكبد هو سرطان الخلايا الكبدية (HCC). يرتبط سرطان الكبد بتليف الكبد بالكحول والمسببات الفيروسية. في علم الأوبئة ، تم تحديد (أو التنبؤ بالاتجاهات طويلة المدى في وفيات سرطان الكبد ) باستخدام نموذج الأترابية العمرية (APC). تم تحديد وفيات سرطان الكبد لكل مجموعة بتأثيرها المرجح. فاصل الثقة (CI) للمتوسط المرجح ضيق إلى حد ما (مقارنة بالتقديرات المرجحة بالتساوي). نظرا لCI الضيق إلى حد ما مع عدم يقين أقل ، تم استخدام تقدير المتوسط المرجح كوسيلة للتنبؤ. باستخدام الطريقة متعددة المراحل ، يوصى باستخدام تقدير المتوسط المرجح بناء على نموذج الانحدار لتقييم تأثير الأترابية في بيانات جدول الطوارئ في الفترة العمرية.

Introduction

الورم الخبيث الأولي الأكثر شيوعا في الكبد هو سرطان الخلايا الكبدية (HCC). يحتل معدل الوفيات المعدل الاحتلال الخامس بين الرجال والثامن بين النساء (6٪ من الرجال و 3٪ من النساء) 1 بين جميع الأورام الخبيثة في جميع أنحاء العالم. في تايوان ، هو السرطان الأكثر شيوعا عند الرجال وثاني أكثر أنواع السرطان شيوعا عند النساء (21.8٪ من الرجال و 14.2٪ من النساء) 2. وتشير التقديرات إلى أنه منذ عام 2000، بلغ العدد السنوي لأمراض سرطان الكبد التي تم تشخيصها في جميع أنحاء العالم 000 564 شخص، من بينهم 000 398 رجل و 000 166 نساء . في علم الأوبئة ، الطريقة الأكثر شيوعا لشرح العلاقة بين متغيرات العمر والفترة والأترابية (APC) هي أن العمر والفترة يؤثران على بعضهما البعض لخلق تجربة فريدة للأجيال لاتجاه المرض الذي تم التحقيق فيه.

على الرغم من أن هذا التصور لا يزال يحتوي على اتصال خطي دقيق للعمر + الأترابية = الفترة ، إلا أن التعرض (المتنبئ) ليس عاملا متأصلا في مجموعة الولادة. بدلا من ذلك ، نقترح أنه عندما تتسبب التغييرات في توزيعات مختلفة للمرض ، يكون هناك تأثير جماعي. ومع ذلك ، نظرا لأن العمر + المجموعة = الفترة ، فإن هذه المتغيرات الثلاثة مرتبطة خطيا. فقط إذا تم فرض قيود أخرى ، فمن المستحيل إنشاء نموذج تقديري للعمر والفترة (APC) باستخدام التأثيرات الخطية للعمر والفترة والأتراب. في هذه الدراسة ، أوضحنا هذه المشكلة والقيود المحتملة التي فرضناها في منشوراتنا السابقة 4 ، 5 ، 6 ، 7.

مع أدنى تخمينات حول بيانات جدول الطوارئ ، توفر الطريقة متعددة المراحل 8 ثلاث مراحل لتقييم تأثير المجموعة. بالإضافة إلى ذلك ، نظرا لأن التلميع المتوسط لا يعتمد على توزيع أو إطار عمل معين ، فقد تم استخدامه لأنواع مختلفة من البيانات ، مثل النسب والنسب اللوغاريتمية والعدد. التلميع المتوسط هو التقنية الأساسية المستخدمة في الطريقة متعددة المراحل.

تم استخدام البيانات من جدول الطوارئ ثنائي الاتجاه 9 لتوليد تطوير الوسيط المصقول. يتم استخدام إجراء التلميع المتوسط للتخلص من التأثيرات التراكمية للعمر (أي الصف) والفترة (أي العمود) عن طريق طرح الوسيط بشكل متكرر من كل صف وكل عمود. غالبا ما يستخدم هذا الإجراء في تحليل البيانات الوبائية 10. تتمثل إحدى مزايا هذه التقنية في عدم وجود افتراضات حول توزيع أو هيكل البيانات في جدول الطوارئ ثنائي الاتجاه. لذلك ، تم استخدام هذه التقنية على نطاق واسع لأي نوع من البيانات الواردة في الجدول ، مثل بيانات الانتحار 11. كما استخدم نموذج APC لوصف الاتجاهات طويلة المدى لحدوث المرض أو الوفيات 5. غالبا ما تفترض نماذج APC أن العمر والفترة والأترابية لها تأثيرات مضافة على التحول اللوغاريتمي للمرض / الوفيات. لتقييم تأثيرات الأترابية ، يولد البروتوكول الموصوف نموذج APC لتحليل وفيات سرطان الخلايا الكبدية الكامل (HCC) مع الانحدار المرجح ، وبالتالي دعم التنبؤات الموثوقة والتقييم المعتدل لآثار العلاج.

Access restricted. Please log in or start a trial to view this content.

Protocol

1. مصادر البيانات

لتوضيح الحسابات ، استخدمنا بيانات سنوية عن وفيات سرطان الكبد من عام 1976 إلى عام 2015 للرجال والنساء في تايوان. تم استخدام الحزمة الإحصائية للعلوم الاجتماعية (SPSS) الإصدار 24.0 لنظام التشغيل Windows و Microsoft Excel لتنفيذ البروتوكولات الخاصة بهذه الدراسة.

  1. اطلب من طبيب سرطان الكبد تصنيف الأعراض السريرية للمرضى والفحوصات المخبرية ونتائج التصوير الطبي لإعطاء رمز التشخيص وفقا لرمز التصنيف الدولي للأمراض (ICD) ، ICD 150.
  2. تأكد من أن ملف البيانات (المحفوظ كملف CSV) يحتوي على السنة (أي الفترة) والعمر والأترابية ورقم الوفاة وعدد السكان في منتصف العام والوفيات كأعمدة.
    1. انقر فوق ملف | استيراد البيانات | بيانات CSV | مفتوح. تأكد من وجود علامة اختيار في المربع بجوار قراءة أسماء المتغيرات من الصف الأول من البيانات وانقر فوق موافق. تأكد من استيراد ملف البيانات إلى SPSS.
  3. بناء بيانات جدول الطوارئ التي يتم عبورها حسب الفئات العمرية من خلال SPSS. بشكل عام ، حددنا متغيرات الصف على أنها متغيرات العمر والعمود كفترة. إذا كانت البيانات تحتوي على بيانات سنة فترة واحدة (أو سنة عمرية واحدة) ، فقد كان من الضروري دمجها في مجموعة الفترة (أو الفئة العمرية). بعد ذلك ، قمنا بجدولة المواقف تجاه فئة عمرية عبر سنوات المسح.
    1. انقر فوق تحليل | الإحصاء الوصفي | حدد متغير العمر في المربع بجوار الصفوف (الصفوف) ومتغير النقطة في المربع بجوار العمود (الأعمدة). انقر فوق الخلايا وتأكد من وجود علامة اختيار في المربع بجوار تمت الملاحظة. يمكن إجراء جدول طوارئ لعدد الوفيات (أو عدد السكان في منتصف العام ، أو الوفيات) في SPSS من خلال الخطوات المذكورة أعلاه.
    2. تصدير بيانات جدول الطوارئ التي تم إدخالها بتنسيق CSV لتحليلها من خلال برامج أخرى. انقر فوق ملف | تصدير البيانات | تأكد من تنسيق البيانات المطلوب مثل CSV | مكان الاقامه يعرض هذا الحقل غير القابل للتحرير الموقع الآمن للملف الذي تم تصديره.
    3. اسم الملف: انقر على تحديد لتغيير اسم الملف.
    4. تصدير حسب النوع: حدد نوع ملف CSV من القائمة المنسدلة. انقر فوق المتغيرات لعرض المتغيرات المتوفرة ولتحديد جداول المتغيرات. بشكل افتراضي، يتم الاحتفاظ بجميع المتغيرات من مجموعة البيانات المصدر للملف الذي تم تصديره. يمكن للباحثين استخدام الجداول لتحديد متغيرات المصدر التي سيتم تضمينها في الملف الذي تم تصديره. انقر فوق تصدير.

2. إعداد النموذج

ملاحظة: تم اقتراح الطريقة متعددة المراحل بواسطة Keys و Li 8 مع التحقيق الرسومي. تم إجراء تحليل متوسط التلميع للقضاء على الآثار التراكمية للعمر والفترة. أخيرا ، تم تراجع هذه المخلفات من المرحلة البولندية المتوسطة في فئة الأتراب في نموذج الانحدار الخطي ، وتم تقييم تأثيرات الأتراب باستخدام البيانات الموجودة في جدول الطوارئ.

  1. التمثيل الرسومي كمرحلة أولى
    1. قم بإنشاء مخطط خطي للفئات العمرية ومجموعات الفترة. لفحص أتراب الولادة عبر الفئات العمرية أو مجموعات الولادة ، ارسم حتى أتراب الولادة عبر الأعمار أو الدورات في المخططات الخطية.
    2. استيراد ملف CSV مع بيانات الوفيات في جدول الطوارئ. انقر فوق ملف | فتح | استعرض لتحديد ملف CSV من مجلد. تذكر أن تختار جميع الملفات في القائمة المنسدلة بجوار مربع اسم الملف.
    3. انقر على فتح لفتح ملف CSV. قم بتمييز صفوف وأعمدة بيانات الطوارئ للوفيات وانقر فوق إدراج | الرسوم البيانية | الرسم البياني الخطي.
  2. تحليل التلميع المتوسط كمرحلة ثانية
    1. اطرح الوسيط بشكل متكرر من كل صف وكل عمود للتخلص من التأثير التراكمي للعمر والفترة. بعد مرحلة التلميع المتوسطة ، احتفظ بالمخلفات لإجراء الانحدار لتقييم تأثيرات الأترابية.
    2. احسب الجدول المتوسط والمتبقي العام. استيراد ملف CSV يحتوي على بيانات الوفيات في جدول الطوارئ (راجع 2.1.1.2).
    3. تم استخدام LN لكل خلية من بيانات الوفيات في جدول الطوارئ. انقر فوق الصيغ | دالة علم المثلثات وعلم المثلثات وحدد LN.
    4. الرقم: أدخل تسمية الموقع لكل خلية. تأكد من أن كل خلية من بيانات الوفيات في جدول الطوارئ أخذت LN. انقر فوق الصيغ | المزيد من الوظائف | الإحصائيات وحدد الوسيط.
    5. Number1: أدخل تسمية موقع الخلية الأولى.
    6. Number2: أدخل تسمية موقع الخلية الأخيرة. تأكد من تخزين القيمة المتوسطة الناتجة في الهامش العلوي الأيسر من جدول الطوارئ. تأكد من إنشاء جدول متبقي عن طريق أخذ الفرق بين القيمة الأصلية (أي بيانات الوفيات في LN) والمتوسط الإجمالي.
    7. احسب متوسطات الصفوف (أي متوسطات كل فئة عمرية) وتأكد من أنها حسبت قيم متوسط الصف للفئة العمرية للاستجابة. انقر فوق الصيغ | المزيد من الوظائف | إحصائيات | حدد الوسيط.
      1. رقم 1: أدخل تسمية موقع الخلية الأولى للعينة الأولية.
      2. رقم 2: أدخل ملصق موقع الخلية الأخير للمادة الخام. تأكد من تخزين قيم متوسط الصف الناتجة في الهامش الأيسر لجدول الطوارئ.
    8. قم بإنشاء جدول متبقي جديد بعد الطرح من متوسطات الصف. تأكد من إنشاء مجموعة جديدة من القيم المتبقية من متوسطات الصف حيث تأخذ كل خلية قيمة طرح وسيط الصف من كل متغير استجابة في هذا الصف. انقر فوق = وتأكد من أن تسمية موقع الخلية الإجمالية لكل صف قد طرحت تسمية وسيط الهامش الأيسر.
    9. احسب متوسطات العمود (أي متوسطات كل مجموعة فترة) وتأكد من أنها تحسب قيم متوسط العمود لمجموعة فترة الاستجابة. انقر فوق الصيغ | المزيد من الوظائف | إحصائيات | حدد الوسيط.
      1. رقم 1: أدخل تسمية موقع الخلية الأولى للعمود. رقم 2: أدخل تسمية موقع الخلية الأخيرة في العمود. تأكد من تخزين قيم متوسط العمود الناتجة في الهامش العلوي لجدول الطوارئ.
    10. قم بإنشاء جدول متبقي جديد بعد الطرح من متوسطات الأعمدة. تأكد من إنشاء مجموعة جديدة من القيم المتبقية من متوسطات الأعمدة حيث تأخذ كل خلية قيمة طرح وسيط العمود من كل متغير استجابة في هذا العمود. انقر فوق = وتأكد من أن تسمية موقع الخلية الإجمالية لكل عمود قد طرحت تسمية متوسط الهامش العلوي.
    11. كرر الخطوات من 2.1.2.7 إلى 2.1.2.10 حتى يصل متوسط الصف والعمود إلى ما يقرب من الصفر. انقر فوق الصيغ | المزيد من الوظائف | إحصائيات | حدد الوسيط. تأكد من أن متوسطات الصف والأعمدة تساوي صفرا تقريبا. احفظ الجدول المتبقي النهائي بتنسيق CSV.
  3. إجراء الانحدار مع الوزن كمرحلة ثالثة
    ملاحظة: قمنا بحساب المتغير التابع كمخلفات لكل مجموعة مع رقم الوفاة كوزن. بعد ذلك ، قمنا بتشغيل الانحدارات الخطية لحساب تأثيرات الأتراب.
    1. تأكد من تثبيت Kutools for Excel واستخدم أداة تبديل أبعاد الجدول لتحويل الجداول المتقاطعة بسرعة إلى قوائم مسطحة. استيراد ملف CSV مع البيانات المتبقية لجدول الطوارئ (راجع 2.1.2.11).
    2. حدد الجدول المراد تحويله إلى قائمة. انقر فوق كوتولس | تعديل | تبديل أبعاد الجدول. في مربع الحوار تبديل أبعاد الجدول، تأكد من وجود علامة اختيار في المربع الموجود بجوار قائمة الجدول المتقاطع المطلوب، وحدد نطاق النتائج لتخزين المخلفات بتنسيق القائمة.
    3. يدرج العمود في ملف البيانات الأولي (راجع 1.2) مع بيانات نسق القائمة المتبقية (راجع 2.1.3.1). تأكد من إدراج عمود داعم في بيانات نسق القائمة المتبقية (راجع 2.1.3.1). انقر فوق = متغيرات العمر والفترة وانقر فوق Enter. استخدم عمودا داعما للبحث عن تسميات مجموعة العمر والفترات لبيانات تنسيق القائمة المتبقية لإدراج عمود متبقي للاستجابة في ملف البيانات الأولي (راجع 1.2).
    4. انقر فوق الصيغ | البحث والمراجع | حدد VLOOKUP. قم بتعيين VLOOKUP (تسمية موقع الخلية للعمر وتسمية موقع الخلية للفترة ، وتسمية موقع الخلية الأولى للعمود الداعم: تسمية موقع الخلية الأخيرة للعمود المتبقي ، 4 ، 0). تأكد من أن نطاق التحديد يتضمن الأعمدة الداعمة والعمر والفترة والأعمدة المتبقية (على سبيل المثال، العمود 4 كقائمة متبقية).
    5. تأكد من إدراج المخلفات في ملف البيانات الأولي (راجع 1.2) ابحث عن بيانات تنسيق القائمة المتبقية (راجع 2.1.3.1) للخطوة التالية. قم بملاءمة نموذج الانحدار بواسطة المربعات الصغرى غير المرجحة وتحليل المتخلفات.
    6. انقر فوق تحليل | الانحدار | خطي. انقل المتغير المستقل ، فئة الأترابية (أي 17 مجموعة ولادة) ، إلى المربع المستقل (المستقلين) والمتغير التابع ، المتبقية ، إلى مربع التابع: انقر فوق موافق. تأكد من إنشاء نتائج تأثيرات المجموعة النموذجية غير المرجحة.
    7. تأكد من إدراج المخلفات في ملف بيانات Excel الأولي (راجع 1.2) ، ابحث عن بيانات تنسيق القائمة المتبقية (راجع 2.1.3.1) للخطوة التالية. قم بملاءمة نموذج الانحدار بواسطة المربعات الصغرى المرجحة وتحليل المخلفات. انقر فوق تحليل | الانحدار | خطي.
    8. نقل المتغير المستقل وفئة الأترابية (أي 17 أترابية ولادة) إلى المربع المستقل (المجموعات) والمتغير التابع والمخلفات في المربع التابع: التابع. انقل رقم الوفاة إلى صندوق وزن WLS. انقر فوق موافق. تأكد من أنه يولد نتائج المتوسط المرجح لتأثير المجموعة.

Access restricted. Please log in or start a trial to view this content.

النتائج

تم عرض بيانات الوفيات ل 10 فئات عمرية بعمر خمس سنوات (40-44 ، 45-49 ، 50-54 ، 55-59 ، 60-64 ، 65-69 ، 70-74 ، 75-79 ، 80-84 ، و 85+) و 8 فترات زمنية مدتها خمس سنوات (1976-1980 ، 1981-1985 ، 1986-1990 ، 1991-1995 ، 1996-2000 ، 2001-2005 ، 2006-2010 و 2011-2015). تم اختيار عدد مجموعات الأترابية عن طريق طرح واحدة من إجمالي عدد مجموعات الفترة ال?...

Access restricted. Please log in or start a trial to view this content.

Discussion

نظرا للاتجاه الزمني لوفيات سرطان الكبد ، تقلل النماذج التقليدية من تقدير بعض السمات المهمة المخفية في البيانات (مثل تأثيرات الأتراب) ، وتظهر التحليلات التقليدية التي تستخدم استقراءا خطيا بسيطا لمعدل تصحيح العمر اللوغاريتمي المرصود دقة منخفضة بشكل كبير في تنبؤاتها. من ?...

Access restricted. Please log in or start a trial to view this content.

Disclosures

المؤلفون ليس لديهم ما يكشفون عنه.

Acknowledgements

تم دعم هذا العمل من قبل مستشفى تايبيه تزو تشي TCRD-TPE-109-RT-8 (2/3) و TCRD-TPE-109-39 (2/2).

Access restricted. Please log in or start a trial to view this content.

Materials

NameCompanyCatalog NumberComments
not applicablenot applicablenot applicablenot applicable

References

  1. Kuntz, E., Kuntz, H. D. Hepatology: Principles and Practice. , Springer. New York. 774(2006).
  2. McGlynn, K. A., et al. International trends and patterns of primary liver cancer. International Journal of Cancer. 94 (2), 290-296 (2001).
  3. Bosch, F. X., Ribes, J., Diaz, M., Cleries, R. Primary liver cancer: worldwide incidence and trends. Gastroenterology. 127, 5-16 (2004).
  4. Tzeng, I. S., Ng, C. Y., Chen, J. Y., Chen, L. S., Wu, C. C. Using weighted regression model for estimating cohort effect in age-period contingency table data. Oncotarget. 9 (28), 19826-19835 (2018).
  5. Tzeng, I. S., Lee, W. C. Forecasting hepatocellular carcinoma mortality in Taiwan using an age-period-cohort model. Asia-Pacific Journal of PublicHealth. 27, 65-73 (2015).
  6. Tzeng, I. S., et al. Predicting emergency departments visit rates from septicemia in Taiwan using an age-period-cohort model, 1998 to 2012. Medicine. 95, 5598(2016).
  7. Chen, S. H., et al. Period and Cohort Analysis of Rates of Emergency Department Visits Due to Pneumonia in Taiwan, 1998-2012. Risk Management and Healthcare Policy. 13, 1459-1466 (2020).
  8. Keyes, K. M., Li, G. A multiphase method for estimating cohort effects in age-period contingency table data. Annals of Epidemiology. 20, 779-785 (2010).
  9. Tukey, J. Exploratory data analysis Reading: MS. , Addison-Wesley Publishing Company. (1977).
  10. Selvin, S. Statistical analysis of epidemiologic data. , University Press. New York: Oxford. (1996).
  11. Légaré, G., Hamel, D. An age-period-cohort approach to analyzing trends in suicide in Quebec between 1950 and 2009. Canadian Journal of Public Health. 104, 118-123 (2013).
  12. Lavanchy, D. Hepatitis B virus epidemiology, disease burden, treatment, and current and emerging prevention and control measures. Journal of Viral Hepatitis. 11, 97-107 (2004).
  13. Chang, M. H., et al. Universal hepatitis B vaccination in Taiwan and the incidence of hepatocellular carcinoma in children. Taiwan Childhood Hepatoma Study Group. New England Journal of Medicine. 336, 1855-1859 (1997).
  14. Lu, F. T., Ni, Y. H. Elimination of mother-to-infant transmission of hepatitis B virus: 35 years of experience. Pediatric Gastroenterology, Hepatology & Nutrition. 23 (4), 311-318 (2020).
  15. Chien, Y. C., Jan, C. F., Kuo, H. S., Chen, C. J. Nationwide hepatitis B vaccination program in Taiwan: effectiveness in the 20 years after it was launched. Epidemiologic Reviews. 28, 126-135 (2006).
  16. Ahmad, O. B., et al. Age standardization of rates: a new WHO standard. Geneva: GPE Discussion Paper Series. World Health Organization. , 31(2005).
  17. da Silva, C. P., Emídio, E. S., de Marchi, M. R. Method validation using weighted linear regression models for quantification of UV filters in water samples. Talanta. 131, 221-227 (2015).
  18. Dawes, R. M. The robust beauty of improper linear models in decision making. American Psychologist. 34, 571-582 (1979).
  19. Dawes, R. M., Corrigan, B. Linear models in decision making. Psychological Bulletin. 81, 95-106 (1974).
  20. Einhorn, H. J., Hogarth, R. M. Unit weighting schemes for decision making. Organizational Behavior and Human Performance. 13, 171-192 (1975).
  21. Wang, W., et al. Association of hepatitis B virus DNA level and follow-up interval with hepatocellular carcinoma recurrence. JAMA Network Open. 3 (4), 203707(2020).
  22. Holford, T. R. The estimation of age, period and cohort effects for vital rates. Biometrics. 39, 311-324 (1983).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved