Tehran University Medical Journal

other بررسی مقایسه‌ای توان پیشگویی بروز ایدز در افراد آلوده به HIV به وسیله‌ی مدل مارکوف براساس دو معیار WHO و CDC در دسته‌بندی سلول‌های CD4 Comparative study of predictive ability of AIDS incidence in HIV positive people using Markov model according to two criteria, WHO and CDC in CD4 cell categorization مقاله اصیل Original Article <div style="text-align: justify;">زمینه و هدف: مدل‌های مارکوف چندوضعیتی جهت بررسی پیشروی بیماری ایدز با تقسیم‌بندی مارکر آزمایشگاهی سلول CD۴ کاربرد گسترده‌ای دارند. این مدل‌‌ها با تعداد وضعیت‌های مختلف، نتایج متفاوتی از اثر متغیر کمکی و پیشگویی روند بیماری ایدز دارند. هدف پژوهش حاضر، مقایسه‌ی مدل چهار و پنج وضعیتی با مدل سه وضعیتی جهت انتخاب مدل با توان پیشگویی بهتر وقوع ایدز و مرگ در افراد آلوده به ویروس سندرم نقص ایمنی انسانی بود. روش بررسی: این پژوهش یک مطالعه‌ی هم‌گروهی است که بر روی ۳۰۵ فرد آلوده به ویروس سندرم نقص ایمنی انسانی که از فروردین ۱۳۷۴ تا دی ماه ۱۳۸۹ به مرکز تحقیقات ایدز ایران در تهران مراجعه کرده‌اند و تا سال ۱۳۹۳ مورد پیگیری قرار گرفته‌اند، انجام شده است. سه مدل مارکوف همگن‌زمان سه، چهار و پنج وضعیتی به داده‌ها برازش داده شد. مقایسه‌ی مدل‌ها با استفاده از معیار اصلاح‌ شده‌ی آکاییکه‌ی DRAIC و معیار اعتبارسنجی متقابل براساس درست‌نمایی DRLCV به همراه فاصله ردیابی ۹۵% آن‌ها انجام شد. برای برازش مدل‌ها از نرم‌افزار R استفاده شد. یافته‌ها: توان پیشگویی مدل چهار وضعیتی از مدل پنج وضعیتی بیشتر است. در مدل چهار وضعیتی نسبت مخاطره‌ی پیشروی به مرگ برای افرادی که درمان ضد‌رتروویروس ‌خیلی‌فعال دریافت کرده‌اند ۰/۶۴ کمتر از دسته‌ای بود که درمان را دریافت نکرده بودند. همچنین نسبت مخاطره‌ی پیشروی بیماری در مردان به زنان ۲۰۳۳ برابر بود. همچنین نسبت مخاطره‌ی پیشروی به مرگ در مردان به زنان ۴/۹ برابر بوده است. نتیجه‌گیری: معیار‌های DRAIC و DRLCV نشان دادند که مدل چهاروضعیتی توان پیشگویی بهتری از روند پیشروی بیماری در مقایسه با مدل پنج وضعیتی دارد.</div> <div data-select-like-a-boss="1" style="text-align: justify;">Background: The Multi state Markov models have extensively application with categorization of laboratory marker of CD4 cells for evaluation of HIV disease progression. These models with different states result in different effects of covariates and prediction of HIV disease trend. The main purpose of this study was comparison of four and five states models with the three- state in order to select the model with better prediction ability of occurrence of HIV and finally death in HIV positive people. Methods: A total of 305 HIV positive people were included in this cohort study in the Iran AIDS center in Imam Khomeini Hospital in Tehran that entered during March 1995 to January 2005 and then fallowed up to October 2014. The three continuous- time Markov models of three-, four- and five- state models were fitted to data to describe the evolution of a HIV disease Trend over different states. For comparison of models, two criteria of modification of Akaike’s criterion (DRAIC) and likelihood cross-validation criterion (DRLCV) along with their 95% tracking interval was used. For fitting of these models and estimation of transition matrix and the hazard ratio of gender and treatment independent variables, the msm package of R project for statistical computing, version R 3.2.4 (www.r-project.org) was used. Results: The results showed that the four- state model has more prediction ability than five-state model for evaluation of HIV disease Trend. In the four-state model, the progression hazard ratio to death for people who received highly active antiretroviral therapy (HAART) was 0.64 lower than who didn’t get this therapy. Moreover, the progression hazard ratio for men was 2.33 fold in comparison to women. The disease progression hazard ratio to death was 4.9 fold for men in comparison to women. Conclusion: The (DRAIC) and (DRLCV) criterions showed that the four-state model has more predictive ability of the progression trend of HIV disease in comparison of five-state model.</div> تعداد سلول‌های CD4, درمان ضدرتروویروس خیلی فعال, سندرم نقص ایمنی انسانی, فرآیند مارکوف CD4 cell counts, highly active antiretroviral therapy, human immunodeficiency virus, Markov process 123 131 http://tumj.tums.ac.ir/browse.php?a_code=A-10-3484-2&slc_lang=other&sid=1 Mahsa Nazari مهسا نظری No Department of Biostatistics, Faculty of Paramedical Sciences, Student Research Committee, Shahid Beheshti University of Medical Sciences, Tehran, Iran. گروه آمار زیستی، دانشکده پیراپزشکی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Farid Zayeri فرید زایری No Department of Biostatistics, Faculty of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran. گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Seyed Saeed Hashemi Nazari سید سعید هاشمی نظری No Department of Epidemiology, Safety Promotion and Injury Prevention Research Center, School of Public Health, Shahid Beheshti University of Medical Sciences, Tehran, Iran. گروه اپیدمیولوژی، مرکز تحقیقات ارتقا‌ ایمنی و پیشگیری از مصدومیت‌ها، دانشکده بهداشت، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Sara Jambarsang سارا جام برسنگ No Department of Biostatistics, Research Center of Prevention and Epidemiology of Non-Communicable Disease, School of Public Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran. گروه آمار زیستی، مرکز تحقیقات پیشگیری و اپیدمیولوژی بیماری‌های غیرواگیر، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد، یزد، ایران. Ali Nikfarjam علی نیک‌فرجام No Head of Communicable Disease Control and Prevention Ward, Deputy of Health Tehran University of Medical Sciences, Tehran, Iran. گروه پیشگیری و کنترل بیماری‌ها‌ی واگیر، معاونت بهداشت دانشگاه علوم پزشکی تهران، تهران، ایران. Alireza Akbarzadeh Baghban علیرضا اکبرزاده باغبان akbarzad@sbmu.ac.ir Yes Proteomics Research Center, School of Rehabilitation, Shahid Beheshti University of Medical Sciences, Tehran, Iran. مرکز تحقیقات پروتئومیکس، دانشکده توانبخشی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران.