In this study, it is aimed to compare the performance of Cox Regression (CRA)
and Bayesian Survival Analyses (BSA) by using simulations that performed in different
conditions and a real application.
Simulation study was carried out with two different algorithms that were
informative and noninformative priors. Moreover, in a real data set application, a data
set related to recurrence-free survivals that were obtained from 423 breast cancer
patients diagnosed between years of 1998-2007 in Trakya University Medical Faculty
Department of Radiation Oncology was used.
In the simulation application, it was observed that BSA with noninformative
priors and CRA methods were showed similar performances in point of convergence to
simulation parameter. In the informative priors’ simulation application, BSA with
reliable informative prior showed a good performance with too little bias. It was found
out that bias of BSA increased while priors were becoming distant from reliability in all
conditions. In addition, BSA obtained predictions with more little bias and standard
error than the CRA in both of small and big samples in the light of reliable priors.
In the real data set application, age, tumor size, hormonal therapy, axillary nodal
status were found statistically significant prognostic factors for recurrence-free survival
in stepwise CRA, BSA with informative and noninformative priors. Furthermore,
standard errors of predictions in BSA with informative priors were observed slightly
little.
As a result, BSA shows better performance than CRA, when subjective data
analysis performed by considering of expert opinions and historical knowledge about
parameters. Consequently, BSA should be preferred in existence of reliable informative
priors, in the contrast cases, CRA should be preferred
Bu çalışmada, Bayesgil Yaşam Analizi (BYA) ile Cox Regresyon Analizi (CRA)
yöntemlerinin performanslarının, farklı koşullar altında yapılan simülasyon çalışmaları
ve gerçek bir uygulamayla karşılaştırılması amaçlandı.
Simülasyon çalışması, açıklayıcı olan ve olmayan prior bilgiye dayalı iki farklı
algoritmaya göre veri türetimi biçiminde yapıldı. Uygulamada kullanılan gerçek veri
seti ise Trakya Üniversitesi Tıp Fakültesi Radyasyon Onkolojisi Anabilim Dalı’na
1998-2007 yılları arasında başvuran ve meme kanseri tanısı konulan 423 hastanın
yinelemesiz yaşam sürelerine ilişkin veri seti idi.
Simülasyon uygulamasında, açıklayıcı olmayan prior bilgili veri setlerinde BYA
ve CRA yöntemlerinin simülasyon parametresine yakınsama bakımından benzer
performans sergilediği gözlendi. Açıklayıcı prior bilgili simülasyon uygulamasında ise
veri yapısına uygun ve gerçeği yansıtan prior bilgi kullanılan BYA, oldukça küçük
yanlılıkla iyi bir performans gösterdi. Her koşulda prior bilgi gerçeği yansıtmaktan
uzaklaştıkça, BYA’nın yanlılığının arttığı belirlendi. Ayrıca BYA’da, gerçeği yansıtan
prior bilgi ışığında hem az birim içeren hem de çok sayıda birim içeren örneklemlerde
CRA’ya göre daha küçük yanlılık ve standart hatalı tahminler elde edildi.
Gerçek veri seti uygulamasında, aşamalı CRA, açıklayıcı prior bilgili BYA ve
açıklayıcı olmayan prior bilgili BYA yöntemlerinde yaş, tümör büyüklüğü, hormon
terapisi ve aksiller lenf nodu tutulumunun yinelemesiz yaşam süresi için önemli risk
faktörleri olduğu bulundu. Ayrıca açıklayıcı prior bilgili BYA’da, parametre
tahminlerinin standart hatalarının biraz daha küçük olduğu gözlendi.
Sonuç olarak; BYA, tahmin edilecek parametreler hakkında var olan bilgiler ve
uzman görüşleri hesaba katılarak subjektif veri analizi gerçekleştirildiğinde, CRA’ya
göre daha iyi performans göstermektedir. Bu nedenle yaşam sürelerine ilişkin verilerin
analizinde, veri yapısına uygun ve gerçeği yansıtan prior bilgi olduğunda BYA yöntemi
aksi durumda ise CRA yöntemi tercih edilmelidir
