با توجه به حجم و پیچیدگی داده های نوظهور در تحلیل بقا، بکارگیری روش های یادگیری آماری در این حوزه به امری اجتناب ناپذیر بدل شده است. این روش ها قادر به برآورد احتمال بقا و تأثیر عوامل مختلف بر بقا هستند. در این مقاله، عملکرد مدل کاکس به عنوان یک مدل رایج در تحلیل بقا با روش های مبتنی بر تاوان مانند کاکس ریج و لاسو و روش های مبتنی بر یادگیری آماری مانند جنگل بقای تصادفی و شبکه عصبی مورد مقایسه قرار گرفته است. نتایج شبیه سازی ها در این مطالعه نشان می دهد که در شرایط وجود رابطه خطی بین متغیرها، عملکرد مدل های مذکور تقریباً مشابه مدل کاکس است اما در حالات غیرخطی و بالا بودن بعد متغیرها، روش هایی مانند کاکس لاسو، جنگل بقای تصادفی و شبکه عصبی عملکرد بهتری دارند. درنهایت به منظور ارزیابی عملکرد این مدل ها در تحلیل داده های بیماران مبتلا به آترواسکلروز مورد استفاده قرار گرفتند و نتایج نشان داد که در مواجهه با داده هایی با تعداد متغیرهای تبیینی زیاد، رویکردهای یادگیری آماری به طور کلی عملکرد بهتری نسبت به مدل های کلاسیک تحلیل بقا دارند.

در بیش تر مطالعه هایی که صورت می گیرد، علاقه مند به استنباط درباره توزیع جامعه و پارامترهای آن هستیم. از جمله روش های معمول برای براورد پارامترهای جامعه -زمانی که توزیع معلوم است- روش ماکسیمم درستنمایی است. براوردهای حاصل از این روش در حالت حدی ویژگی های مطلوب بسیاری دارند. نااریبی، واریانس مینیمم و توزیع نرمال به همراه روش دلتا استنباط پیرامون براوردگرها و توابع آن ها را میسر می سازد. در صورت ناشناخته بودن توزیع جامعه، روش های ناپارامتری بسیاری وجود دارند. برخی از این روش ها مانند روش بازنمونه گیری خودگردان، بر پایه تکرار نمونه گیری از یک نمونه اولیه پایه ریزی شده اند. در این مقاله رهیافت ناپارامتری درستنمایی تجربی به منظور استفاده بهتر از اطلاعات کمکی برای استنباط درباره پارامترهای جامعه معرفی و چگونگی ساختن ناحیه اطمینان با استفاده از آن بیان می شود. همچنین استفاده از این روش در براورد مدل رگرسیون میانه زمان شکست در حضور داده های سانسور شده از راست نشان داده می شود و ناحیه اطمینان بردار پارامترهای مدل و زیرمجموعه دلخواه از آن ها به دست می آید. سرانجام مدل رگرسیون میانه طول عمر برای مجموعه داده های مربوط به بیماران مبتلا به سرطان مغز استخوان براورد می شود. همچنین ناحیه اطمینان برای بردار پارامترها و بازه های اطمینان برای تک تک ضریب های رگرسیونی به دست می آید.

سابقه و هدف: مدل مخاطره متناسب کاکس، رایج ترین روش برای تجزیه و تحلیل اثر متغیرها بر روی زمان بقا می باشد، اما، تحت شرایط معین مدل های پارامتری می توانند بر مدل کاکس برتری داشته باشند. در مطالعه حاضر با استفاده از مدل کاکس و جایگزین های پارامتری از قبیل مدل وایبل، نمایی و لگ نرمال، عوامل موثر بر بقا بیماران مبتلا به سرطان معده، ارزیابی و کارآیی مدل ها برای ارایه بهترین مدل مقایسه گردید. مواد و روش ها: به منظور تعیین عوامل مستقل کاهنده بقا در سرطان معده، روش های پارامتری و نیمه پارامتری بر روی بیماران ثبت شده در مرکز ثبت تومور استان فارس اعمال گردید. مقایسه مابین مدل ها با استفاده از معیار آکائیکه ( Akaike Information Criterion ) صورت پذیرفت.نتایج: از 442 بیمار، 266 نفر (60.2 درصد) در طول دوره فوت کرده بودند. نتایج تجزیه و تحلیل داده ها با استفاده از مدل کاکس و مدل های پارامتری تقریبا مشابه بود. بر اساس معیار آکائیکه، مدل های وایبل و نمایی به ترتیب، با مقادیر 848 و 850 بهترین برازش را بر داده های بقا داشتند. بیماران با سنین 75-60 و بیشتر از 75 سال در زمان تشخیص و همین طور درجه تمایز یافتگی ضعیف تومور و وجود متاستاز در زمان تشخیص بیماری با خطر بالاتر مرگ همراه بودند (P<0.05).نتیجه گیری: اگرچه نسبت مخاطره در مدل کاکس و مدل های پارامتری تقریبا مشابه بود، ولی بر اساس معیارآکائیکه، مدل های وایبل و نمایی، مدل های بهتری برای تحلیل بقا می باشند.

چهاربعدگرایی به عنوان یک هستی شناسی اشیای مادی بر این اعتقاد است که بقای اشیا در زمان، مشابه امتداد آنها در مکان است. یکی از نسخه های مهم این نظریه مشهور به نظریه مرحله ای، بر این باور است که اشیا عادی، مراحلی لحظه ای هستند که به واسطه داشتن مشابه های زمانی مختلف در زمان های مختلف بقا دارند. یکی از ایرادات عمده این نظر این است که این نظریه، در تبیین حقیقی بقای اشیا در زمان توفیقی ندارد. این نوشتار دو هدف دارد: ما نخست تبیین نظریه مرحله ای از بقا و برخی مسائل وابسته بدان (یعنی مسائل اتصاف زمانی، ارجاع و شمارش غیرزمانمند) را ارائه می نماییم و سپس به ذکر برخی از دشواری هایی که اتخاذ چنین رویکردی پدید می آورد، می پردازیم. با قطع نظر از نارسایی تحلیل نظریه مرحله ای از بقا و اتصاف زمانی و نقدهای مختلفی که از این حیث بر آن وارد شده است، چنین می نماید که راهبردهای آن در حل مشکل آن در شمارش غیرزمانمند مغایر ملاک های متعارف وحدت و کثرت عددی می باشد.

زمینه و هدف: تحلیل بقا با استفاده از روش های آماری به عنوان یکی از اصلی ترین روش های تحلیل در تعیین شاخص های پیش آگهی مورد توجه محققین حوزه پزشکی قرار گرفته است. این مطالعه با هدف شناسایی مدل های مختلف انجام تحلیل بقای سرطان پستان توسط پژوهشگران مختلف انجام شده است.مواد و روش ها: در این تحقیق انواع مدل های پارامتری، نیمه پارامتری و ناپارامتریک تحلیل بقای سرطان پستان که از سال-های 1363 تا 1395 منتشر شده، مورد توجه قرار گرفته است. همچنین میزان بقای بیماران در سال های مختلف از منابع معتبراستخراج شده تا بتوان افزایش میزان بقا و پیشرفت آن را طی این سال ها مورد بررسی قرار داد. این مطالعه حاصل بررسی 39 مدل تحلیل بقا برای بیماران سرطان پستان با استفاده از بیش از 70 مرجع علمی می باشد. این تحقیق شامل مدل های تحلیل پارامتریک، نیمه پارامتریک و ناپارامتریک بقا بیماران مبتلا به سرطان پستان است. یافته ها: پس از بررسی جامع 39 مدل مختلف تحلیل بقای سرطان پستان، مهمترین عوامل تاثیرگذار در مدل های تحلیل بقا عبارتند از سن، درگیری غدد لنفاوی و تعداد آن، مرحله بیماری، درجه بدخیمی، اندازه تومور و هورمون درمانی که به وضعیت گیرنده های استروژن و پروژسترون بستگی دارد. این تحقیق نشان می دهد که تاثیر مدل های تحلیل بقا بر فرآیندهای درمانی توسط محققین گزارش نشده است. نتیجه گیری: بررسی جامع این تحقیق نشان می دهد که از میان مدل های موجود در ادبیات، نمی توان مدلی را به عنوان جامع-ترین و بهترین معرفی کرد. ولی می توان اظهار کرد که مدل کاکس، بهترین و متداول ترین روش برای تحلیل بقای بیماران به سرطان پستان است.