A MAGYAR DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE A NEMZETI RÁKREGISZTER ADATAI ALAPJÁN
|
|
- Viktória Fülöpné
- 9 évvel ezelőtt
- Látták:
Átírás
1 A MAGYAR DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE A NEMZETI RÁKREGISZTER ADATAI ALAPJÁN Tusnády Gábor 1, Gaudi István 2, Rejtő Lídia 3, Kásler Miklós 2, Szentirmay Zoltán 2 1 Magyar Tudományos Akadémia Rényi Alfréd Matematikai Kutatóintézet, Budapest, 2 Országos Onkológiai Intézet, Budapest, 3 University of Delaware, Newark, DE, USA Magyarországon 1999-ben indult a Nemzeti Rákregiszter az Országos Onkológiai Intézet fennhatósága ala ; feladata a különböző rosszindulatú daganatok előfordulási gyakoriságának meghatározása. A daganatos betegek túlélési valószínűségének becslésére új módszert dolgoztak ki, a periódusanalízist. Ennek a módszernek a továbbfejlesztéseként a magyar daganatos betegek túlélését Gompertz-eloszlással közelítjük. A magyar Nemzeti Rákregiszter adataiból jelen túlélési vizsgálatunkba azon daganatokat vontuk be, amelyeket január 1. és december 31. közö ismertek fel, mert ezek már elég távol vannak a regiszter indulásától, így nem tükrözik a kezdeti hibákat, viszont a jelentől is elég messze vannak ahhoz, hogy a korrekciójuk befejeze nek tekinthető. Férfiaknál 21, nőknél 23 daganatlokalizációra meghatároztuk a Gompertz-eloszlás paramétereit és ennek alapján megadtuk az elméletileg várható túlélési valószínűségeket. Ebben a vizsgálatban nem ve ük figyelembe sem a klinikai stádiumot, sem egyéb, a regiszterben fellelhető adatot. A Gompertz-eloszlás szerint minden esetben fennáll a daganat teljes gyógyulásának lehetősége és ennek valószínűsége már aránylag rövid követési idő alapján megbízhatóan becsülhető. Eredményeinket Kanada, Olaszország, Norvégia és Finnország ötéves túlélési adataival hasonlíto uk össze és lényeges különbségeket nem találtunk. Férfiaknál és nőknél is az egyes lokalizációkon belül az összehasonlíto adatok eltérései lényegesen kisebbek, mint a különböző lokalizációk közö i eltérések. Magyar Onkológia 52: , 2008 Közlésre érkeze : október 21. Elfogadva: november 20. Levelezési cím: Dr. Szentirmay Zoltán, Országos Onkológiai Intézet 1122 Budapest Ráth György u Telefon: (06-1) Fax: (06-1) szentirmay@oncol.hu Kulcsszavak: daganatos betegek túlélése, periódusanalízis, Gompertz-eloszlás, halálozási ráta, rákregiszter The Hungarian National Cancer Registry (HNCR) was launched in August, 1999 by the National Cancer Institute. The main goal of HNCR is to determine the prevalence of different types of malignant cancers. A new method, period analysis was invented to determine survival chances of patients with malignant tumor. Based on period analysis we developed a new method by approximating survivals of Hungarian cancer patients with the help of Gompertz distribution. Our survival analysis was based on HNCR data of patients with cancer recognized between January 1, 2002 and December 31, These data are far enough from the time when HNCR started, thus they do not contain the initial errors, but also far enough from the present so their correction could be considered completed. In case of 21 malignant tumor locations for males and 23 ones for females we determined the parameters of the Gompertz distribution and based on the estimated parameters we estimated the expected survival probabilities for each specific tumor type and gender. In this study we have not used the TNM-based clinical stage or any other data of the patients contained by HNCR. Using the Gompertz model, the complete recovery of a cancer patient is always possible and the probability of recovery has a reliable estimate based on a short follow-up period only. We compared our results with five-year survival data of Canada, Italy, Norway and Finland and we did not find substantial differences. For both men and women, considering any specific location, the differences in survival among countries are much smaller than the difference between locations. Tusnády G, Gaudi I, Rejtő L, Kásler M, Szentirmay Z. Survival chances of Hungarian cancer patients in the National Cancer Registry. Hungarian Oncology 52: , 2008 Ez a munka a GVOP /3.0 pályázat anyagi támogatásával készült. Keywords: survival of cancer patients, period analysis, Gompertz distribution, hazard rate, cancer registry 339
2 TUSNÁDY ÉS MTSAI BEVEZETÉS A daganatos halálozás csökkentése minden országban olyan döntéseket igényel, amelyek meghozatalához alapvető igény a mindenkori megbetegedési viszonyok lehetőleg pontos ismerete és a bekövetkező változások megbízható előrejelzése. Az 1965-ben létesült International Agency for Research on Cancer (IARC) 1999-ben Lyonban Global cancer burden (Globocan) néven statisztikai osztályt hozo létre a rosszindulatú daganatok európai előfordulási arányának meghatározására, amelyet az új megbetegedések és a halálozások adataiból állíto elő (14). A közölt adatok 26-féle daganat évi becsült előfordulási gyakoriságát mutatják a különböző európai országokban, közö ük Magyarországon is (15). Az Európai Unió tagországainak egészségügyi miniszterei olyan határozatot hoztak az Európa a rák ellen elnevezésű hivatalos program keretében, amely szerint 2000 végéig minden tagországban meg kell szervezni a rákregisztert. Természetesen ezt belépési követelményként a tagjelöltektől is elvárták, így került sor a magyar Nemzeti Rákregiszter (NR) törvényi feltételeinek megteremtésére 1999-ben. A jelenleg működő NR egy epidemiológiai célú, népességi há erű nyilvántartás, amely az elsődleges daganatos megbetegedés adatai melle a kezelési módokat és a betegség előrehaladásával összefüggő azon állapotot is rögzíti, amely mia a beteget éppen kezelik (recidíva, regionális vagy távoli á ét). Az NR elsődleges feladata a daganatos megbetegedések előfordulási gyakoriságának rendszeres összegzése és közzététele. Ugyanakkor a rákbetegek túlélésének vizsgálata a populáció-alapú rákregiszterek nagyon fontos feladata. A rosszindulatú daganatok hagyományos túlélési vizsgálata a klasszikus Kaplan-Meier-módszer a túlélés kumulatív valószínűségét adja meg az ado daganatban megbetegede ek egy csoportjában a diagnózist követő meghatározo intervallumban, figyelembe véve azt is, hogy a halál a daganat következtében állo -e be. Minden egyes beteget a daganat keletkezésétől a vizsgálat valamilyen okból történő lezárásáig követünk. Daganatspecifikus túlélésről akkor beszélünk, ha a halált kizárólag a daganatos megbetegedés okozta. A tradicionális túlélési vizsgálat azt feltételezi, hogy ismerjük a halálokra vonatkozó információt. A haláloki adatok azonban a legtöbb rákregiszterben, így nálunk is, nem elég pontosak és relatíve kevés számú esetben ado ak. Éppen ezért fejleszte ék ki a relatív túlélés vizsgálati módszerét, amely a populáció életkilátásaihoz viszonyítva becsüli meg a daganatos betegek túlélését. A relatív túlélés tehát egy arányszám, amely a betegek egy csoportjának túlélését viszonyítja a nem daganatos lakosság egy hasonló csoportjának túlélési valószínűségéhez (12). Tekinte el arra, hogy a mortalitás jelentősen változik az életkorral, a nemmel és különösen a megfigyelési időszak hosszával, ezért a megfelelő relatív túlélés meghatározásához és a különböző népesség összehasonlíthatóságához nagyon fontos figyelembe venni az összes nem daganatos halálozási kockázatot is. A hosszú időtartamú hagyományos túlélési vizsgálat, ahol a daganat felismerése több évvel korábban történt, azért is elavult, mert újabban a túlélés többek közö a modern kezelési eljárások következtében jelentősen megjavult. Ezért néhány éve új, nem paraméteres eljárást dolgoztak ki, az ún. periódusanalízist (period analysis), amely a dinamikusan változó túlélési trendeket érzékenyen tükrözi (3, 4). A periódusanalízis alapelve megegyezik a demográfiai vizsgálatokban jól ismert periodikus éle artam-táblázatokkal, és az eredmény kiszámítása a standard túlélési analízis eljárások egyszerű módosításával érhető el (2). A jelen dolgozat fő célja egy olyan új módszer bemutatása a daganatos betegek túlélési esélyének becslésére az NR adatai alapján, amelyben az egyes esetek individuális kezelése helye a megvizsgált populáció egészére vonatkozó statisztikai eljárást alkalmazunk. Ez a periódusanalízistől abban különbözik, hogy i rövidebb időintervallumokban vizsgáljuk a várható daganatos halálozást, de figyelembe vesszük azt a tényt, hogy minél hosszabb a diagnózistól eltelt idő, annál inkább csökken a daganatos halálozás kockázata (hazard rate). Ezt a módszer alkalmaztuk az NR évi adataira és azt tapasztaltuk, hogy az összes megvizsgált lokalizáció betegeinek túlélési eloszlása jól közelíthető egyetlen két paraméteres görbével, az ún. csökkenő rátájú Gompertz-függvénnyel (9). Benjamin Gompertz eredeti elgondolása szerint az emberi populáció halálozási valószínűsége állandó sebességgel nő ( increasing hazard rate ), ezzel szemben a daganatos betegség kiújulásának és ennek következtében a daganatos halálnak a valószínűsége a diagnózistól eltelt idő függvényében csökken ( decreasing hazard rate ). Ezt a tendenciát írjuk le a csökkenő rátájú Gompertzfüggvénnyel. ANYAG ÉS MÓDSZER A magyar Nemzeti Rákregiszter adatainak ellenőrzése Magyarországon az egész ország területéről minden olyan intézmény küld jelentést az NR-nek, amelyben in situ vagy invazív daganatos betegek megfordulnak. A rákregiszter betegszámai akkor adják a daganatos betegségek előfordulási gyakoriságának valós képét, ha a küldö daganatokra vonatkozó BNO-kódok valósak abban az értelemben, hogy összhangban vannak a szöveges diagnózissal. Az előzetes vizsgálataink azt muta ák, hogy a beteg valós daganat-diagnózisa és a hozzárendelt BNO-kód összhangja nem teljes: a kódolás első- és másodfajú hibája egyaránt nagy. Első fajú hiba, ha a kórház néhány daganatos beteget nem daganatosként kódol és ezért nem jelent; másodfajú hiba pedig az, hogy malignusnak kódol nem rosszindulatú elváltozást. A hibák csökkentése érdekében minden 340
3 DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE RÁKREGISZTERI ADATOK ALAPJÁN adatszolgáltatónak lokalizációk szerint csoportosítva visszaküldjük az általuk közölt adatokat azt kérvén, hogy még egyszer ellenőrizzék a kódolás minőségét. Vagyis (1) a téves BNO-kóddal szereplő daganatok adatait javítsák ki, és ha nem volna, rendeljék hozzá a morfológiai kódot; (2) töröljék azokat a betegeket, akiknek a daganata utólag nem bizonyult rosszindulatúnak; (3) pótlólag írják be azokat a rosszindulatú daganatokat, amelyek valamilyen okból a listában eddig nem szerepeltek. Munkájuk támogatására országos összesítéseket is közlünk, így minden adatszolgáltató ellenőrizheti saját adatait: ahol kiugróan sok esetet jelente ek egy lokalizációból, valószínűsíthető, hogy sok téves adat van a jelentésben. Megfordítva, ahol elmarad a lokalizáció részesedési aránya, o sok kihagyo eset várható. Adatbázis Jelen túlélési vizsgálatainkhoz azokat az éveket választo uk ( ), amelyek már elég távol vannak az NR indulásától, nem tükrözik a kezdeti hibákat, viszont a jelentől is elég messze vannak, így a korrekciójuk befejeze nek tekinthető. Nem az összes daganatlokalizációt dolgoztuk fel, hanem csak azokat, amelyeket a GLOBOCAN-2002 is vizsgált, azért, hogy az általa becsült és a tényleges magyarországi rákgyakoriságokat ellenőrzésképpen összehasonlíthassuk. (A részleteket i nem közöljük, de megjegyezzük, hogy a mi adataink jól egyeznek a GLOBOCAN becsléseivel.) Munkánk tehát nem az NR egész adatállományára támaszkodik, hanem abból összesen beteg adatait elemezzük. A vizsgált daganatféleségek a következők: non-hodgkin-lymphoma, Hodgkin-lymphoma, leukaemia, myeloma multiplex, agydaganat, melanoma malignum, pajzsmirigyrák, tüdőrák, orrgarat-, garat-, gége- és szájüregi rák, nyelőcső-, gyomor-, vastagbél-, vese-, húgyhólyag-, máj- és pancreasrák külön-külön megadva férfiaknál és nőknél; továbbá here- és prosztatarák, emlő-, petefészek-, méhnyak- és méhtestrák. Korlátozó tényezők A túlélési valószínűségek kiszámításának egyik feltétele, hogy ismerjük a betegek utolsó kontrolljának idejét és a státusát ebben az időpontban, vagyis hogy élnek-e vagy meghaltak daganatuk következtében illetve egyéb okból. Az NR számára csak a kórházak szolgáltatnak adatokat, de ma a betegek többsége nem kórházban hal meg, ezért erről a szokványos úton az NR nem értesül. Egy személy életére vagy halálára vonatkozó információt a Közigazgatási és Elektronikus Közszolgáltatások Központi Hivatala (korábbi nevén BM Központi Adatfeldolgozó, Nyilvántartó és Választási Hivatal) kérésünkre megadja. Az államigazgatásban a személyi szám az azonosító és nincs TAJ (az egészségügyben ez fordítva van), éppen ezért a kérdéses betegek azonosítása az NR számára név, születési dátum és anyja neve szerint történik. Ez a fajta személyazonosítás a személyi szám általános használatát tiltó jogszabály mia kevésbé pontos, az azonosítás hibája kb. 12%. Ennek a hibának a kiküszöbölésére dolgoztuk ki a daganatspecifikus túlélési függvény Appendixben leírt eljárását. A daganatspecifikus túlélési idő meghatározása Először 1-, 2-, 3- és 4 éves átlagos túlélési időket számoltunk az NR 2005., 2004., és évben bejelente daganatos betegek, valamint a BM Lakossági Nyilvántartó Hivatal egyes betegekhez rendelt adata (él vagy meghalt) alapján. Az átlagos túlélési idő egyenlő az egy halo ra eső túlélési idők átlagával, vagyis: átlagos túlélési idő = egy ado évben egy tumorcsoporthoz tartozó összes élő betegnek a vizsgált évben eltöltö életideje osztva az ado évben az ado dagana al rákregiszterben nyilvántarto meghaltak számával. Annak érdekében, hogy a daganatspecifikus túlélési időt kapjuk meg, a függelékben leírt korrekciót alkalmazzuk. Az alábbi módon becsüljük az 1 4 éves átlagos túlélési időket az egyes tumorcsoportokban: 12 hónapos átlagos túlélési idő = az abban az évben felfedeze daganatos betegek összes megélt életideje osztva az abban az évben meghaltak számával. 24 hónapos átlagos túlélési idő = az előző évben felfedeze daganatos betegek összes megélt életideje osztva az abban az évben meghaltak számával. Hasonló módon becsüljük a 36 és 48 hónapos átlagos túlélési időket. A 2005-re számolt 12, 24, 36 és 48 hónapos daganatspecifikus átlagos túlélési időket koordinátarendszerben ábrázoltuk (1. ábra, 4 piros négyzet), ahol a vízszintes tengelyen az átlagos túlélési idők szerepelnek hónapokban megadva, a függőleges tengelyen az átlagos túlélési időből számolt túlélési valószínűségeket adtuk meg. Ugyanígy 2004-re becsültük a 2004., és évben felfedeze daganatos betegek adataival a 12, 24 és 36 hónapos túlélési valószínűségeket és ábrázoltuk a fent említe koordinátarendszerben zöld háromszöggel. A 2003-ra becsült 12 és 24 hónapos túlélési valószínűségeket kék rombuszokkal, a 2002-re számolt 12 hónapos túlélési valószínűséget pedig narancssárga körrel jelöltük. Így a koordinátarendszerben a 12 hónapos túlélési valószínűséget 4 érték, a 24 hónaposat 3, a 36 hónaposat 2 és a 48 hónaposat 1 érték mutatja. Erre a 10 pontra illeszkedik a Gompertzfüggvény (1. ábra, kék görbe), amely konstans és meredekségi paramétereit a legkisebb négyzetek módszerével határoztuk meg (11), amely rövid követési idő esetén ugyanolyan jó a fenti paraméterek becslésére, mint a mások által javasolt maximum likelihood becslés (5). Abból a célból, hogy az NR-ből kiválaszto daganatok túlélését egy ábrán összegezve mutathassuk be, a konstans és meredekségi paramétereket a következő arányokkal helye esítjük: a teljes gyógyulás valószínűsége és az első évben meghalt daganatos betegeknek az összes meghalthoz viszonyíto aránya. 341
4 TUSNÁDY ÉS MTSAI A jelen vizsgálatban nem ve ük figyelembe a daganatos betegség klinikai stádiumát, szöve ani típusát és az alkalmazo kezelési módokat. Túlélési eredményeink ezért átlagnak tekinthetők abban az összetételben, ahogyan ezek az NR-ben előfordulnak. Az eredmények ellenőrzése a nemzetközi adatokkal való összehasonlítással Saját adataink helyességének ellenőrzése céljából a fenti módszerrel tumorcsoportonként a Gompertz-függvény segítségével becsült ötéves átlagos túlélési valószínűségeket az irodalomban szereplő megfelelő ötéves adatokkal hasonlíto uk össze (1, 6, 8, 10). EREDMÉNYEK Az NR-ben végze adatjavítások jelenlegi kiterjedtsége 8 és 90% közö van. Tekintve, hogy az első- és másodfajú hibák mérete közel azonos, ezért nagyrészt közömbösítik egymást. Mindez azt jelenti, hogy a hibajavítás során a daganatos előfordulási gyakoriság nem változik lényegesen. Az 1. ábrán bemutatjuk az NR-ből kapo túlélési valószínűségeket és a rájuk illeszte Gompertz túlélési görbét. A becsült túlélési valószínűségek általában nagyon jól illeszkednek az NR adataihoz, azonban ha egy daganatcsoportban a betegek száma relatíve kicsi, az egy éves betegkövetésnél a túlélési valószínűségek kis mértékben szórhatnak. A 2. ábrán mutatjuk be az egyes daganatcsoportokat az Anyag és Módszer fejezetben definiált két paraméter függvényében (teljes gyógyulás valószínűsége és az első évi halál feltételes valószínűsége arra a feltételre, hogy a beteg meghal). A legkedvezőbb, 78%-os 5 éves túlélési arányt a férfiak és nők Hodgkin-lymphomája, a férfiak hererákja, valamint a nők pajzsmirigy-carcinomája mutatja (1. ábra). Ezeknél a betegeknél az ötéves túlélési valószínűség gyakorlatilag azonos a teljes gyógyulással. Azoknál a nőbetegeknél, akik pajzsmirigyrákban meghalnak, a halál 60%-ban az első évben következik be (2. ábra). Így van ez a férfiak pajzsmirigyrákja esetében is, viszont náluk a teljes gyógyulás valószínűsége csak 57%. A női pajzsmirigyrákos betegek túlélését klinikai adatok alapján vizsgálva, hasonló eredmények szüle ek (7). A Hodgkin-lymphomában és hererákban meghalt betegek közül kevesebb, mint a fele hal meg az első évben %-os várható ötéves átlagos túlélési arányt mutat a női emlőrák és melanoma, 52 60%-os túlélési valószínűséget a férfiak pajzsmirigy- és prosztatarákja továbbá melanomája, a nők szájüregi rákja, valamint a méhtest- és méhnyakrákja (1. ábra). Az emlőrák esetében a teljes gyógyulás valószínűsége csupán 63% és az első évben meghaltak aránya kisebb, mint 25% (2. ábra). Ilyen kicsi a korai halálozási aránya még a bőr melanomájának (mindkét nemben), a prosztataráknak és a nők orrgaratdaganatának. Ezek a daganatok lassú 1. ábra. Összesen 21 férfi és 23 női daganatféleség Gompertz-modellel kapo túlélési valószínűsége (függőleges tengely) a diagnózistól eltelt idő függvényében (hónapokban mérve, vízszintes tengely) 342
5 DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE RÁKREGISZTERI ADATOK ALAPJÁN 1. ábra (folytatás) 343
6 TUSNÁDY ÉS MTSAI 1. ábra (folytatás) 344
7 DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE RÁKREGISZTERI ADATOK ALAPJÁN 1. ábra (folytatás) 345
8 TUSNÁDY ÉS MTSAI 2. ábra. Összesen 21 férfi és 23 női daganatféleség Gompertz-modellel kapo túlélési arányai: a teljes gyógyulás valószínűsége (vízszintes tengely), az első évben meghaltak aránya az összes meghalthoz viszonyítva (függőleges tengely) kimenetelűek és sok évvel keletkezésük után is halálhoz vezethetnek. A várható ötéves túlélési arány 40 és 50% közö van férfi és női non-hodgkin-lymphomában, orrgarat-, vese- és gégerákban, 30 és 40% közö van férfi és női vastagbélrákban, leukaemiában és női garatrákban (1. ábra). Ezeknél a betegeknél az összes daganatos halál fele már az első évben bekövetkezik (2. ábra). A férfiak garatrákjának becsült ötéves túlélési aránya 17%, ennél valamivel rosszabb arányt mutat a férfi tüdőrák és kicsivel jobbat a női tüdőrák és férfi szájüregi rák. Kifejeze en rossz, 20% ala i a gyomorrák ötéves túlélési aránya, a legrosszabb, 10% körüli, sőt ez ala i várható túlélést a női és férfi nyelőcső- és hasnyálmirigyrák, valamint a májrák mutatja (1. ábra). Ezekben az esetekben az összes daganatos halál túlnyomó többsége az első évben következik be (2. ábra). Általános tendenciának mondható, hogy minél kisebb a teljes gyógyulás valószínűsége, annál nagyobb a daganatos halálnak az első évre eső feltételes valószínűsége. Az NR adatain a kezdetektől végezzük az incidenciára vonatkozó érdemi szakmai vizsgálatokat, amelyek első eredményei erős torzításokat tükröztek. A rendszeres adatjavító mechanizmus eredményességét az első- és másodfajú hibák fokozatos csökkenése bizonyítja. Ebből következik, hogy túlélési adataink konvergálnak a hozzánk közel álló, regisztereiket lényegesen korábban létrehozó országok adataihoz (1, 6, 8, 10). A 3. ábrán saját ötéves túlélési adatainkat mutatjuk nemzetközi összehasonlításban. MEGBESZÉLÉS Az évtizedek óta fennálló rákregisztereknél a daganatos túlélés vizsgálatára a periódusanalízist használják. Ennek lényege, hogy a rákregiszterekben sok éve gyűjtö betegkövetési adatokat rövidebb periódusokra osztva analizálják. Egy vizsgált perióduson belül a hazard rate állandó és ezért a túlélést exponenciális eloszlással lehet becsülni, ha a periódus elég rövid. Ezzel szemben az egymást követő periódusokban a hazard rate eltérő (2, 3), így lehet kezelni azt a problémát, hogy minél tovább él egy daganatos beteg, annál kisebb a valószínűsége, hogy daganata következtében hal meg. A mi vizsgálatainkban is tumorcsoportonként rövid periódusokra osztva becsüljük az egyes daganatféleségek várható túlélését, de észreve ük, hogy az így kapo adatsorok illeszkednek a Gompertz túlélési függvényre, amely nagyon jól leírja, hogy a daganatos halál valószínűsége a diagnózistól eltelt idő függvényében csökken ( decreasing hazard rate ). A Gompertz-függvény alkalmazásának egyértelmű előnye az, hogy megbízhatóvá teszi a gyógyulás valószínűségének a becslését. Ez te e lehetővé a 2. ábra elkészítését a következőképpen: Ha egy ado daganatban az első évben a betegek P valószínűséggel halnak meg és a végtelenre vetítve a daganatos halál valószínűsége Q, akkor a teljes gyógyulás valószínűsége 1-Q (ez a 2. ábra vízszintes tengelye) és az első évi halál feltételes valószínűsége P/Q (ez a 2. ábra függőleges tengelye). Lásd részletesebben a függelékben. Boag (5) javaslatára Tai és munkatársai (17) emlőrák esetében a túlélést olyan eloszlással közelíte ék, amelyben egy önálló paraméter biztosíto a a gyógyulás pozitív valószínűségét és a nem gyógyuló beteg feltételes túlélése lognormális eloszlást mutat. Ennek az eloszlásnak három paramétere van: a lognormális eloszlás várható éréke és szórása és a teljes gyógyulás valószínűsége. Ez utóbbi paraméter semmilyen kapcsolatban nem áll az első ke ővel, emia nagyon bizonytalanul becsülhető rövid betegkövetésekből. Az általunk kapo kétparaméteres Gompertz túlélési függvények mind szinte hiba nélkül közelíthetőek ezzel a háromparaméteres eloszlásfüggvénnyel is, vagyis a Gompertz túlélé- 346
9 DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE RÁKREGISZTERI ADATOK ALAPJÁN a) b) 3. ábra. Különböző daganatok átlagos ötéves túlélési arányainak összehasonlítása a kanadai, olasz, norvég, finn és magyar rákregiszter adatai alapján (a: férfiak, b: nők) si függvények a fent megfogalmazo kívánalmaknak megfelelnek. Amia, hogy a várható túlélési idő növekvő geometriai sorozatot alkot, elméletileg fennáll annak a valószínűsége, hogy a beteg meggyógyul. Esetenként ez a valószínűség lehet kicsi, de ha a Gompertz-eloszlás növekedési paramétere pozitív, akkor a gyógyulási valószínűség is pozitív. Ha ez a paraméter nulla, akkor a gyógyulás a végtelenbe tolódik ki. Elvileg a Gompertz növekedési paraméter át is fordulhatna negatívba, ekkor a teljes gyógyulás már kizárt lenne. Így az emberi populációra jellem- 347
10 TUSNÁDY ÉS MTSAI ző növekvő természetes halálozási eloszlást kapjuk. Természetesen a betegek négy éves követése nem elegendően hosszú ahhoz, hogy teljesen biztosak lehessünk abban, hogy a tapasztalt daganatos túlélési tendencia hosszú távon, akár 30 évig is változatlanul érvényesül, de a valós klinikai adatokból kiolvaso daganatos túlélési esélyek növekedése elég markáns ez ala a négy év ala ahhoz, hogy feltételezhető legyen az, hogy drasztikus változás nem várható. Négy országban találtunk túlélési eredményeinkkel összehasonlítható közlést, noha bizonyos daganatlokalizációk egyes országokban hiányoznak, és azokban az esetekben is, amikor közölnek 5 éves túlélési arányt, a vizsgált időintervallumok nem egyformák. További eltérésre vezethet az alkalmazo matematikaistatisztikai módszer különbözősége. Egy ilyen összehasonlítás csak akkor támaszthatna alá egészségpolitikai döntéseket, ha azonos alapelvek alapján kialakíto adatokat azonos módszerrel dolgoznánk fel. Általános véleményünk a 3. ábrán közölt eredményekről, hogy nincsenek lényeges eltérések az egyes országok közö, noha Magyarországon a legrosszabbak a túlélési adatok. Férfiaknál és nőknél is az egyes lokalizációkon belüli eltérések lényegesen kisebbek, mint a különböző lokalizációk közö i eltérések. Természetesen fel lehet állítani egy hozzávetőleges sorrendet a megvizsgált országok közö. E szerint Kanada túlélési eredményei a legjobbak, ezt követi Norvégia, majd Finnország és Olaszország, végül Magyarország. Ez az általános tendencia figyelhető meg a Hodgkin-lymphoma, leukaemia, agydaganat, melanoma, pajzsmirigy-, szájüregi-, vese- és húgyhólyagrák ötéves túlélési esélyében. Elmondható az is, hogy a nők túlélési esélyei általában jobbak, mint a férfiakéi. Noha Magyarország az összehasonlítás sorrendjében a legrosszabb, a tüdő- és a pancreasrák esetében nálunk a legjobbak a túlélési valószínűségek. Lényegében egyformának mondhatók az esélyek mindkét nemre a myeloma multiplex, nyelőcsőés májrák esetében, továbbá a petefészekráknál. Magyarország elmaradása a legkitapinthatóbb mindkét nemben a non-hodgkin-lymphoma, a gége-, a gyomor- és a vastagbélrák, továbbá nőkre az emlő-, méhnyak- és méhtestrák esetében. Terveink közö szerepel, hogy a betegek további követésével megerősítsük azt az eredményünket, hogy a daganatos betegek feltételes túlélési valószínűsége az idő előrehaladtával nő, és megtaláljuk ennek okait. Feladatunk továbbá a Gompertz-eloszlás paramétereinek az NR adataiból számolható maximum likelihood becslését megadni a Cox-regresszióhoz (16) hasonló kiterjesztéssel. Mint mondtuk, jelen vizsgálatainkban a daganatos túlélés meghatározásakor a magyar NRbeli információkból csak a nemet és a lokalizációt veszszük figyelembe. A végső cél azonban az, hogy minden egyes betegre az összes regisztrált vizsgálati eredmény alapján adjunk a betegség lefolyását dinamikusan követő előrejelzést. IRODALOM 1. AIRT Working Group: Italian cancer figures report 2006: 1. Incidence, mortality and estimates. Epidemiol Prev 30(1 Suppl 2): 8 10, 12 28, , Brenner H, Gefeller O. An alternative approach to monitoring cancer patient survival. Cancer 78: , Brenner H, Gefeller O. Deriving more up- to- date estimates of long -term pa tient survival. J Clin Epidemiol 50: , Brenner H, Hakulinen T. Up-to-date estimates of cancer patient survival even with common latency in cancer registration. Cancer Epidemiol Biomarkers Prev 15: , Boag JW. Maximum likelihood estimates of the proportion of patients cured by cancer therapy. J R Stat Soc (Ser B)11:15 53, Ellison LF, Gibbons L. Survival from cancer up- to-date predictions using period analysis. Health Reports 17:19 30, Ésik O, Tusnády G, Daubner K, et al. Survival chance in papillary thyroid cancer in Hungary: individual survival probability estimation using the Markov method. Radiother Oncol 44: , Finnish Cancer Registry. Cancer in Finland 2004 and Cancer Society of Finland Publication No. 72. Helsinki, Gompertz B. On the nature of the function expressive of the law of human mortality, and on a new mode of determining the value of life contingencies. Philosophical Transactions, Royal Society of London, 115: , Larsen IK, Småstuen M, Parkin DM, Bray F. Data quality at the cancer registry of Norway. In: Cancer in Norway 2006 Cancer incidence, mortality, survival and prevalence in Norway. Oslo: Cancer registry of Norway, Messori A. Survival curve fi ing using the Gompertz function: a methodology for conducting cost-effectiveness analyses on mortality data. Cumputer Methods Programs Biomed 52: , Micheli A, De Angelis G, Giorgi Rossi A, Capocaccia R. General mortality and the survival of cancer patients in Europe. In: Survival of cancer patients in Europe: the EUROCAR-2 study. Eds. Berrino F, Capocaccia R, Estève J et al., IARC Scientific Populations No Lyon, France, 1999, pp Micheli A, Baili P, Quinn M, et al. Life expectancy and cancer survival in the EUROCARE-3 cancer registry areas. Ann Oncol 14:v28 v40, Parkin DM, Bray F, Ferlay J, Pisani P. Estimating the world cancer burden: Globocan Int J Cancer 94: , Parkin DM, Bray F, Ferlay J, Pisani P. Globocan cancer statistics CA Cancer J Clin 55:74 108, Rejtő L, Tusnády G. On the Cox regression. Asymptotic Methods in Probability and Statistics, A volume in honour of Miklós Csörgő, Proceedings Volume if ICAMPS 97 (Ed. Szyszkowitz B) Elsevier Science BV, 1998, pp Tai P, Yu E, Vinh-Hung V, et al. Survival of patients with metastatic breast cancer: twenty-year data from SEER registers. BMC Cancer 4:60 67, 2004 Appendix Legyen N egy ado évben egy ado nem és korcsoport népessége, H ebben a populációban az összes halo ak száma. A rákregiszterben ezeknek a következő menynyiségek felelnek meg: legyen n egy ado lokalizációjú, nemű és korcsoportú betegek regiszterben eltöltö idejének összege, h a lokalizációban talált halo ak száma. Magyarországon jelenleg nem tudjuk a halo ak közül különválasztani azokat, akiknél a halál oka a konkrét lokalizációhoz tartozó daganat. Jelölje ezek számát h s. Ennek a becslése a következő: ha h/n < H/N, akkor h s = 0, 348
11 DAGANATOS BETEGEK TÚLÉLÉSI ESÉLYE RÁKREGISZTERI ADATOK ALAPJÁN különben h s = (1-p)h, ahol p = (H-h)/(N-n). A fenti p menynyiség a vizsgált populációban az ado lokalizációhoz nem tartozó esetekben tapasztalt mortalitás becslése. Legyen n sum az n mennyiségek összege a különböző korcsoportokra, és h s sum a h s mennyiségeké. Feltételezzük, hogy a daganatspecifikus túlélési idő eloszlása exponenciális és a halálozási arány egy ado időintervallumban konstans (12, 13). Ekkor a várható túlélési idő becslése: S(t) = n sum / h s sum. Gompertz-model: Túlélési függvény (survival function): S(t) = exp((-λ/γ) (1-exp(-γt))) Hazard rate: h(t) = λe -γt A daganatspecifikus túlélési valószínűségek értékeinek kiszámítása: módszerünket a férfiak szájüregi laphámrákjának adatain mutatjuk be. I a regiszteri adatokat a következő táblázat mutatja. A táblázatban a VÉV a vizsgálat éve, a BÉV a rosszindulatú daganat keletkezésének évét (belépés), az IDŐ a daganatos betegek regiszterben eltöltö átlagos idejét (hónapokban), az AVE a regiszter adatai alapján számíto átlagos túlélési időt (hónapokban), a LAVE a regiszter adatai alapján számíto várható túlélési idő logaritmusát jelöli. Módszerünk alapja az az észrevétel, hogy a LAVE mennyiségek az IDŐ változónak lineáris függvényei egybehangzóan azzal a ténnyel, hogy a Gompertzeloszlásra a hazard rate logaritmusa az idő lineáris VÉV BÉV IDŐ AVE LAVE ,6 3, , ,4 3, ,8 4, ,2 3, ,4 3, , ,8 3, , ,1 3,223 függvénye: ln(h(t)) = ln(λ)-γ t. Emia a táblabeli adatokra lineáris regressziót illesztünk a legkisebb négyzetek módszere alapján. A regressziós egyenes értéke a daganat keletkezésekor 3,14, a meredekség (az időt hónapokban számoljuk) 0,0284, tehát λ=exp(-3,14)=0,0432, γ=0,0284. Számításainkban természetes alapú logaritmust használunk, a szóban forgó mennyiségek azt adják meg, hogy a daganat keletkezése után egy ado idővel (az időt hónapokban számolva) mennyi a vizsgált beteg daganatspecifikus várható éle artamának a logaritmusa, feltéve azt, hogy az ado pillanatban él (hónapokban mérve). Adataink alapján a rosszindulatú daganatos betegek túlélési esélyei exponenciálisan növekednek: a daganat keletkezésekor a várható túlélés 23 hónap, a daganat keletkezése után 42 hónappal 76 hónap, feltéve, hogy a beteg megéli ezt az időt. 349
A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon
A rosszindulatú daganatos halálozás változása és között Eredeti közlemény Gaudi István 1,2, Kásler Miklós 2 1 MTA Számítástechnikai és Automatizálási Kutató Intézete, Budapest 2 Országos Onkológiai Intézet,
Rosszindulatú daganatok előfordulási gyakorisága Magyarországon a Nemzeti Rákregiszter adatai alapján
Rosszindulatú daganatok előfordulási gyakorisága Magyarországon a Nemzeti Rákregiszter adatai alapján Lokalizáció daganatok előfordulási gyakorisága Magyarországon 2009-20011. 2009 2010 2011 Férfi Nő Össz
Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis
SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió
Túlélés analízis. Probléma:
1 Probléma: Túlélés analízis - Túlélési idő vizsgálata speciális vizsgálati módszereket igényel (pl. két csoport között az idők átlagait nem lehet direkt módon összehasonlítani) - A túlélési idő nem normális
Az egészségügyi adatok kódolási hibáiról
Az egészségügyi adatok kódolási hibáiról Gaudi István VI. Egészséginformációs Fórum Lánc Szövetség Betegszervezetek ernyőszervezete 25 betegszervezet Civil vélemény a döntéselőkészítésben Pályázatokból
DSD DSD. Az új Nemzeti Rákregiszter előnyei kutatói szempontból. Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter
MTA SZTAKI Department of Distributed Systems Az új Nemzeti Rákregiszter előnyei kutatói szempontból Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter Nemzeti regiszterek Európában
(Az Egészség Évtizedének Johan Béla Nemzeti Programja)
Népegészségügyi Szűrővizsgálatok (Az Egészség Évtizedének Johan Béla Nemzeti Programja) A téma indoklása, epidemiológiai megalapozottsága Bevezetés A magyar népesség lesújtó egészségi állapota ismert.
BKM KH NSzSz Halálozási mutatók Bács-Kiskun megyében és a megye járásaiban 2007-2011
BÁCS-KISKUN MEGYEI KORMÁNYHIVATAL NÉPEGÉSZSÉGÜGYI SZAKIGAZGATÁSI SZERVE HALÁLOZÁSI MUTATÓK BÁCS-KISKUN MEGYÉBEN ÉS A MEGYE JÁRÁSAIBAN 2007-2011 A Halálozási Mutatók Információs Rendszere (HaMIR) adatai
TÁJÉKOZTATÓ BÉKÉS MEGYE NÉPEGÉSZSÉGÜGYI HELYZETÉRŐL
NÉPEGÉSZSÉGÜGYI FŐOSZTÁLY TÁJÉKOZTATÓ BÉKÉS MEGYE NÉPEGÉSZSÉGÜGYI HELYZETÉRŐL 2015. november 2. Tartalomjegyzék Fogalmak... 4 Demográfia népesség, népmozgalom, foglalkoztatottság... 6 Halálozás (mortalitás)
13. Túlélési analízis. SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D.
13. Túlélési analízis SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D. Túlélési analízis Eredetileg biológiai és orvosi alkalmazásoknál használták Egyéb alkalmazások pl. szociológia, ipar, közgazdaságtan
Túlélés elemzés október 27.
Túlélés elemzés 2017. október 27. Néhány példa Egy adott betegség diagnózisától kezdve mennyi ideje van hátra a páciensnek? Tipikusan mennyi ideig élhet túl? Bizonyos ráktípus esetén mennyi idő telik el
A magyar lakosság egészségi állapota
A -64 éves férfi és női népesség kor szerint standardizált halandóságának alakulása (Magyarország, 193/31-1999) A magyar lakosság egészségi állapota Ádány Róza, egyetemi tanár, Debreceni Egyetem OEC Népegészségügyi
Rákellenes Világnap Daganatos megbetegedések alakulása Tolna megyében A bonyhádi Egészségfejlesztési Iroda (EFI) összeállítása
Rákellenes Világnap 2017.02..04. Daganatos megbetegedések alakulása Tolna megyében A bonyhádi Egészségfejlesztési Iroda (EFI) összeállítása 2000 februárjában Párizsban tartották az első rákellenes világkongresszust.
Invazív méhnyakrákos esetek az előzmények tükrében
Invazív méhnyakrákos esetek az előzmények tükrében Márton Béla DE-ÁOK PA III. évfolyamos hallgató Témavezető: Dr. Kovács Ilona PhD. DE Kenézy Gyula Kórház Patológia Epidemiológiai adatok Méhnyakrák epidemiológiai
DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS
Műszaki Földtudományi Közlemények, 83. kötet, 1. szám (2012), pp. 271 276. HULLADÉKOK TEHERBÍRÁSÁNAK MEGHATÁROZÁSA CPT-EREDMÉNYEK ALAPJÁN DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST
Rákmortalitás és -incidencia hazánkban, az európai adatok tükrében
Rákmortalitás és -incidencia hazánkban, az európai adatok tükrében Eredeti közlemény Ottó Szabolcs, Kásler Miklós Országos Onkológiai Intézet, Budapest A rosszindulatú daganatos megbetegedések hazai halálozási
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
2012-ben felfedezett és bejelentett új rosszindulatú daganatok: Férfi, Országos összes, Korcsoport szerint 2013.08.13 BNO `00-04 `05-09 `10-14 `15-19
2012-ben felfedezett és bejelentett új rosszindulatú daganatok: Férfi, Országos összes, Korcsoport szerint 2013.08.13 C00 Az ajak rosszindulatú d. 0 0 1 0 0 1 1 1 4 5 9 18 20 26 38 27 18 21 190 C00 C01
AZ EGÉSZSÉGESEN ÉS A FOGYATÉKOSSÁG NÉLKÜL LEÉLT ÉVEK VÁRHATÓ SZÁMA MAGYARORSZÁGON
AZ EGÉSZSÉGESEN ÉS A FOGYATÉKOSSÁG NÉLKÜL LEÉLT ÉVEK VÁRHATÓ SZÁMA MAGYARORSZÁGON DR. PAKSY ANDRÁS A lakosság egészségi állapotát jellemző morbiditási és mortalitási mutatók közül a halandósági tábla alapján
A 2-es típusú diabetes szövődményeinek megelőzési lehetőségei az alapellátásban
A 2-es típusú diabetes szövődményeinek megelőzési lehetőségei az alapellátásban Dr. Nagy Attila, Dr. Sándor János, Dr. Ádány Róza (Debreceni Egyetem, NK, Megelőző Orvostani Intézet.) Az Országos Egészségbiztosítási
Nemzeti Onkológiai Kutatás-Fejlesztési Konzorcium 1/48/ Részjelentés: November december 31.
Nemzeti Kutatási és Fejlesztési Program 1. Főirány: Életminőség javítása Nemzeti Onkológiai Kutatás-Fejlesztési Konzorcium a daganatos halálozás csökkentésére 1/48/2001 3. Részjelentés: 2003. November
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
Dr. Páldy Anna, Málnási Tibor, Stier Ágnes Országos Közegészségügyi Intézet
Melanoma és nem melanoma (BNO-X C43, D03) megbetegedés és halálozás Magyarországon Dr. Páldy Anna, Málnási Tibor, Stier Ágnes Országos Közegészségügyi Intézet Az IPCC V. jelentése megállapítja Hogy a napsütés
EPIDEMIOLÓGIA I. Alapfogalmak
EPIDEMIOLÓGIA I. Alapfogalmak TANULJON EPIDEMIOLÓGIÁT! mert része a curriculumnak mert szüksége lesz rá a bármilyen tárgyú TDK munkában, szakdolgozat és rektori pályázat írásában mert szüksége lesz rá
Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet
Elemszám becslés Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet Miért fontos? Gazdasági okok: Túl kevés elem esetén nem tudjuk kimutatni a kívánt hatást Túl kevés elem esetén olyan eredmény
Gottsegen National Institute of Cardiology. Prof. A. JÁNOSI
Myocardial Infarction Registry Pilot Study Hungarian Myocardial Infarction Register Gottsegen National Institute of Cardiology Prof. A. JÁNOSI A https://ir.kardio.hu A Web based study with quality assurance
A magyar nők rosszindulatú daganatos betegségek miatti korai halálozásának jellemzői 1980 és 2011 között
Acta Medicina et Sociologica Vol 6., 2015 59 A magyar nők rosszindulatú daganatos betegségek miatti korai halálozásának jellemzői 1980 és 2011 között Sárváry Attila Debreceni Egyetem Egészségügyi Kar Ápolástudományi
Többes malignus tumoros eseteink elemzése. Mihály O, Szűcs I, Almási K KEMÖ Szent Borbála Kórháza Tatabánya
Többes malignus tumoros eseteink elemzése Mihály O, Szűcs I, Almási K KEMÖ Szent Borbála Kórháza Tatabánya Szövettanilag bizonyított tumoros betegség Különböző szövettani típus Azonos vagy különböző szervek
Számítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
AZ ERDÕ NÖVEKEDÉSÉNEK VIZSGÁLATA TÉRINFORMATIKAI ÉS FOTOGRAMMETRIAI MÓDSZEREKKEL KARSZTOS MINTATERÜLETEN
Tájökológiai Lapok 5 (2): 287 293. (2007) 287 AZ ERDÕ NÖVEKEDÉSÉNEK VIZSGÁLATA TÉRINFORMATIKAI ÉS FOTOGRAMMETRIAI MÓDSZEREKKEL KARSZTOS MINTATERÜLETEN ZBORAY Zoltán Honvédelmi Minisztérium Térképészeti
A hazai és nemzetközi daganatos halálozási és megbetegedési mutatók alakulása
A hazai és nemzetközi daganatos halálozási és megbetegedési mutatók alakulása A népegészségügyi programok jellegzetességei és várható eredményei Eredeti közlemény Ottó Szabolcs, Kásler Miklós Országos
Amit a méhnyakrákról tudni érdemes
Amit a méhnyakrákról tudni érdemes Dr. Koiss Róbert TÁMOP.6.1.3. Szakmai Vezető A HPV szerepe a rosszindulatú daganatok kialakulásában 1974: a HPV-k szerepet játszhatnak a méhnyakrák kialakulásában (H.zur
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
HALÁLOZÁSI MUTATÓK BÁCS-KISKUN MEGYÉBEN ÉS A MEGYE JÁRÁSAIBAN
BÁCS-KISKUN MEGYEI KORMÁNYHIVATAL NÉPEGÉSZSÉGÜGYI FŐOSZTÁLY HALÁLOZÁSI MUTATÓK BÁCS-KISKUN MEGYÉBEN ÉS A MEGYE JÁRÁSAIBAN 2010-2014 A Halálozási Mutatók Információs Rendszere (HaMIR) adatai alapján Készítette:
A rákmorbiditás és -mortalitás jelenlegi helyzete a Nemzeti Rákregiszter tükrében
ÖSSZEFOGLALÓ KÖZLEMÉNY A rákmorbiditás és -mortalitás jelenlegi helyzete a Nemzeti Rákregiszter tükrében Kásler Miklós dr. Ottó Szabolcs dr. Kenessey István dr. Országos Onkológiai Intézet, Budapest A
Tumorprogresszió és előrejelzése. Statisztikák. Statisztika - USA Megbetegedés / 10 leggyakoribb (2012)
Tumorprogresszió és előrejelzése 1. Statisztikák 2. Kezelési protokollok 3. Jövő 4. Teszt írása Megbetegedés / 1 leggyakoribb (212) Statisztikák Forrás: CA Halálozás / 1 leggyakoribb (212) Statisztika
Likelihood, deviancia, Akaike-féle információs kritérium
Többváltozós statisztika (SZIE ÁOTK, 2011. ősz) 1 Likelihood, deviancia, Akaike-féle információs kritérium Likelihood függvény Az adatokhoz paraméteres modellt illesztünk. A likelihood függvény a megfigyelt
ben felfedezett és bejelentett új rosszindulatú daganatok Férfiak, Országos összesítés, Korcsoport szerint október 17.
1 2006-ben felfedezett és bejelentett új rosszindulatú daganatok Férfiak, Országos összesítés, Korcsoport szerint 2011. október 17. C00 Az ajak rosszindulatú d. 0 1 0 0 1 0 0 1 1 8 11 20 23 30 33 36 27
ben felfedezett és bejelentett új rosszindulatú daganatok Férfiak, Országos összesítés, Korcsoport szerint október 17.
1 2008-ben felfedezett és bejelentett új rosszindulatú daganatok Férfiak, Országos összesítés, Korcsoport szerint 2011. október 17. C00 Az ajak rosszindulatú d. 0 0 0 0 0 1 0 4 2 1 10 20 18 31 34 23 26
Hódmezővásárhely halálozási viszonyainak alakulása és főbb jellemzői 2000-2007 között
Hódmezővásárhely halálozási viszonyainak alakulása és főbb jellemzői 2000-2007 között Az elemzést végezték: a Debreceni Egyetem, Orvos- és Egészségtudományi Centrum, Népegészségügyi Kar munkatársai 1 A
Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
Áttekintés az emlőrák megbetegedések és a gyógyítás helyzetéről Magyarországon beleértve a 2001 óta folyó mammográfiás szűréseket. Dr.
Áttekintés az emlőrák megbetegedések és a gyógyítás helyzetéről Magyarországon beleértve a 2001 óta folyó mammográfiás szűréseket. Dr. Kovács Attila 1 Emlőrák Világszerte a 5. leggyakoribb rák nőkben (valamennyi
A magyar lakosság egészsége nemzetközi összehasonlításban. Vokó Zoltán Egészségpolitika és Egészség-gazdaságtan Tanszék
A magyar lakosság egészsége nemzetközi összehasonlításban Vokó Zoltán Egészségpolitika és Egészség-gazdaságtan Tanszék Halálozás Haláloki struktúra Tartalom Betegségteher (DALY = korai halálozás és megromlott
A tényeket többé senki sem hagyhatja figyelmen kívül
I. A tényeket többé senki sem hagyhatja figyelmen kívül A rák legyőzése - 1. kötet: Az elképzelhetetlen megvalósítható 1. tény: Az iparosodott világban a harmadik leggyakoribb halálozási ok a rák A 21.
A népegészségügyi célból végzett szűrővizsgálatok tapasztalatai és a jövő tervei
A népegészségügyi célból végzett szűrővizsgálatok tapasztalatai és a jövő tervei Dr. Budai András Országos Tisztifőorvosi Hivatal Budapest, 2010. június 14. Daganatok Rosszindulatú daganatos megbetegedés
Beszámoló Nógrád megye egészségi helyzetéről Megyei Államigazgatási Kollégium 2015.06.18.
Állami Népegészségügyi és Tisztiorvosi Szolgálat Nógrád Megyei Kormányhivatal Népegészségügyi Főosztály Beszámoló Nógrád megye egészségi helyzetéről Megyei Államigazgatási Kollégium 2015.06.18. Dr. Surján
ben felfedezett és bejelentett új rosszindulatú daganatok Férfiak, Komárom-Esztergom, Korcsoport szerint október 17.
1 2002-ben felfedezett és bejelentett új rosszindulatú daganatok Férfiak, Komárom-Esztergom, Korcsoport szerint 2011. október 17. C00 Az ajak rosszindulatú d. 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 2 5 C00
Statisztikai alapfogalmak a klinikai kutatásban. Molnár Zsolt PTE, AITI
Statisztikai alapfogalmak a klinikai kutatásban Molnár Zsolt PTE, AITI Bevezetés Research vs. Science Kutatás Tudomány Szerkezeti háttér hiánya Önkéntesek (lelkes kisebbség) Beosztottak (parancsot teljesítő
A daganatos betegségek megelőzése, tekintettel a méhnyakrák ellenes küzdelemre. Dr. Kovács Attila
A daganatos betegségek megelőzése, tekintettel a méhnyakrák ellenes küzdelemre Dr. Kovács Attila 1 Elsődleges megelőzés /primer prevenció/: a betegség biológiai létrejöttének megakadályozását célozza meg
Demográfiai modellek (folytatás)
Demográfiai modellek (folytatás) 4. A teljesebb anyag 4.1. A megoldás egy változata Alábbiakban az előző gyakorlaton szereplő keretprogramból kapható egy lehetséges megoldást részletezzük. (Ha már a sajátja
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
A jövedelem alakulásának vizsgálata az észak-alföldi régióban az 1997-99. évi adatok alapján
A jövedelem alakulásának vizsgálata az észak-alföldi régióban az 1997-99. évi adatok alapján Rózsa Attila Debreceni Egyetem Agrártudományi Centrum, Agrárgazdasági és Vidékfejlesztési Intézet, Számviteli
Az elhízás hatása az emberi szervezetre. Dr. Polyák József Pharmamedcor Kardiológiai Szakambulancia 1137. Budapest, Katona J. u. 27.
Az elhízás hatása az emberi szervezetre Dr. Polyák József Pharmamedcor Kardiológiai Szakambulancia 1137. Budapest, Katona J. u. 27. Melyek az élő szervezet elemi életjelenségei közül minőségében testtömeg
Colorectalis carcinomában szenvedő betegek postoperatív öt éves követése
Colorectalis carcinomában szenvedő betegek postoperatív öt éves követése Kegyes Lászlóné 1, Némethné Lesó Zita 1, Varga Sándor Attiláné 1, Barna T. Katalin 1, Rombauer Edit 2 Dunaújvárosi Prodia Központi
Demográfiai vizsgálatok eredményei és felhasználása
Demográfiai vizsgálatok eredményei és felhasználása Marosi Judit, Molnár László Budapest, 2015. május 28. Halandósági vizsgálatok jelentősége Kockázati közösségek feltárása Társadalombiztosítási nyugdíjrendszer
Kettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
Statisztikai csalások és paradoxonok. Matematikai statisztika Gazdaságinformatikus MSc november 26. 1/31
Matematikai statisztika Gazdaságinformatikus MSc 11. előadás 2018. november 26. 1/31 A tojást rakó kutya - a könyv Hans Peter Beck-Bernholdt, Hans-Hermann Dubben: A tojást rakó kutya c. könyve alapján
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)
OncotypeDX az emlőrák kezelésében
OncotypeDX az emlőrák kezelésében Dr. Nagy Zoltán Med Gen-Sol Kft. Szenológiai Kongresszus Kecskemét 2018. 04. 13-14. Slide 1 Az Oncotype DX korai emlőrák teszt 16 tumorral kapcsolatos gén Ösztrogén csoprt
Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
Mérési adatok illesztése, korreláció, regresszió
Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,
A tananyag tanulási egységei I. Általános elméleti onkológia I/1. Jelátviteli utak szerepe a daganatok kialakulásában I/2.
A tananyag tanulási egységei I. Általános elméleti onkológia I/1. Jelátviteli utak szerepe a daganatok kialakulásában I/2. Vírusok szerepe a daganatok kialakulásában I/3. A környezet hatása a daganatok
Hipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
A regisztrált álláskeresők számára vonatkozó becslések előrejelző képességének vizsgálata
A regisztrált álláskeresők számára vonatkozó becslések előrejelző képességének vizsgálata Az elemzésben a GoogleTrends (GT, korábban Google Insights for Search) modellek mintán kívüli illeszkedésének vizsgálatával
Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet
Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e
Honlap szerkesztés Google Tudós alkalmazásával
Dr. Mester Gyula Honlap szerkesztés Google Tudós alkalmazásával Összefoglaló: A közlemény tematikája honlap szerkesztés Google Tudós alkalmazásával. A bevezetés után a tudományos teljesítmény mérésének
Az onkológiai ellátáshoz való hozzáférés esélyei
Az onkológiai ellátáshoz való hozzáférés esélyei Garami Miklós 15 Egészség-Gazdaságtani Szimpózium Hozzáférhetőség a magyar egészségügyben ELTE TáTK, 2013 május 31 Az egészségügyi teljesítmény dimenziói
APÁKGYERMEKGONDOZÁSI SZABADSÁGON-AVAGY EGY NEM HAGYOMÁNYOS ÉLETHELYZET MEGÍTÉLÉSE A FÉRFIAKSZEMSZÖGÉBŐL
APÁKGYERMEKGODOZÁSI SZABADSÁGO-AVAGY EGY EM HAGYOMÁYOS ÉLETHELYZET MEGÍTÉLÉSE A FÉRFIAKSZEMSZÖGÉBŐL PROF: HABIL BECSIK ADREA 1 - DR. JUHÁSZ TÍMEA 2 Összefoglalás: em mondhatjuk, hogy ma még sok férfi megy
A lakosság egészségi állapota, különös tekintettel a civilizációs betegségekre
A lakosság egészségi állapota, különös tekintettel a civilizációs betegségekre KEZÜNKBEN A JÖVŐ KONFERENCIA 2016. február 25. Dr. Biró Krisztina Emberi Erőforrások Minisztériuma Egészségügyért Felelős
Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests
Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance
Szakmai összefogás a szűrésekért Szűrőprogramok Országos Kommunikációja
Szakmai összefogás a szűrésekért Szűrőprogramok Országos Kommunikációja Dr. Margitai Barnabás, MBA, M.Sc Budapest, 2010. március 11. EMKI- OTH-ANTSZ http://www.asz.hu/asz/jeltar.nsf/0/b9812bdbd9921ec5c125744e0054b627/$file/0805j000.pdf
CSERNELY KÖZSÉG DEMOGRÁFIAI HELYZETE
Gazdaságtudományi Közlemények, 6. kötet, 1. szám (2012), pp. 157 166. CSERNELY KÖZSÉG DEMOGRÁFIAI HELYZETE VARGA BEATRIX Összefoglaló: Terveink szerint Csernely községet alapul véve kerül kidolgozásra
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
Sugárbiológiai ismeretek: LNT modell. Sztochasztikus hatások. Daganat epidemiológia. Dr. Sáfrány Géza OKK - OSSKI
Sugárbiológiai ismeretek: LNT modell. Sztochasztikus hatások. Daganat epidemiológia Dr. Sáfrány Géza OKK - OSSKI Az ionizáló sugárzás biológiai hatásai Determinisztikus hatás Sztochasztikus hatás Sugársérülések
BME Nyílt Nap november 21.
Valószínűségszámítás, statisztika és valóság Néhány egyszerű példa Kói Tamás Budapesti Műszaki és Gazdaságtudományi Egyetem koitomi@math.bme.hu BME Nyílt Nap 2014. november 21. Matematikai modell Matematikai
EGER DEMOGRÁFIAI FOLYAMATAINAK ELEMZÉSE ÉS ELŐREJELZÉSE (összegzés) 1995-2024
CSALÁDSEGÍTŐ INTÉZET 3300 EGER, KERTÉSZ ÚT 3. TELEFON / FAX: 06-36/784-825 E-mail: csaladsegito.intezet@upcmail.hu Web: csskeger.hu EGER DEMOGRÁFIAI FOLYAMATAINAK ELEMZÉSE ÉS ELŐREJELZÉSE (összegzés) 1995-2024
A krónikus veseelégtelenség kardio-metabolikus kockázata
A krónikus veseelégtelenség kardio-metabolikus kockázata Dr. Kiss István Fıv. Önk. Szent Imre Kórház, Belgyógyászati Mátrix Intézet, Nephrologia-Hypertonia Profil 1 2 SZÍV ÉS ÉRRENDSZERI KOCKÁZAT ÉS BETEGSÉG
e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
Biomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
Segítség az outputok értelmezéséhez
Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró
KLINIKAI VIZSGÁLATOK AKTUÁRIUSI KAPCSOLATAI
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR BUDAPESTI CORVINUS EGYETEM KÖZGAZDASÁGTUDOMÁNYI KAR KLINIKAI VIZSGÁLATOK AKTUÁRIUSI KAPCSOLATAI MSc Szakdolgozat Készítette: Kar László Botond Biztosítási
1. Halandósági arányok a rák előfordulási helye és foglalkozás szerint Fehér férfiak, VSA, 1950 Férfiak és nők, Anglia és Wales, 1959 63
KÖZLEMÉNYEK 121 r á k h a l a n d ó s á g t á r s a d a l m i-g a z d a s á g i STÁTUSZ s z e r i n t * A társadalmi-gazdasági státusz szerinti halandósági vizsgálatok azt mutatták, hogy a legmagasabb
Beszámoló a Gödöllői kistérség lakosságának egészségi állapotáról
ÁNTSZ Gödöllői, Aszódi, Veresegyházi Kistérségi Intézete Beszámoló a Gödöllői kistérség lakosságának egészségi állapotáról 2008.11.20. Készült Gödöllő Város Önkormányzata Képviselőtestülete számára 1.
Logisztikus regresszió október 27.
Logisztikus regresszió 2017. október 27. Néhány példa Mi a valószínűsége egy adott betegségnek a páciens bizonyos megfigyelt jellemzői (pl. nem, életkor, laboreredmények, BMI stb.) alapján? Mely genetikai
BETEGTÁJÉKOZTATÓ Genetikai szűrés lehetőségei az Országos Onkológiai Intézetben
Norvég Finanszírozási Mechanizmus által támogatott projekt mus által támogatott projekt BETEGTÁJÉKOZTATÓ Genetikai szűrés lehetőségei az Országos Onkológiai Intézetben Kedves Betegeink! A daganatokról
Népegészségügyi Szakigazgatási Szerve. Tájékoztató Hajdú-Bihar megye lakosságának egészségi állapotáról
Népegészségügyi Szakigazgatási Szerve Tájékoztató Hajdú-Bihar megye lakosságának egészségi állapotáról T a r t a l o m j e g y z é k 1. BEVEZETÉS... 4 2. ADATFORRÁSOK... 4 3. ELEMZÉSI MÓDSZEREK... 4 4.
5. HALANDÓSÁGI KÜLÖNBSÉGEK
5. HALANDÓSÁGI KÜLÖNBSÉGEK Kovács Katalin Ôri Péter FÔBB MEGÁLLAPÍTÁSOK A magyarországi halandóság történeti távlatban is kedvezôtlen volt nyugat- vagy észak-európai összehasonlításban, de ez a hátrány
2011-ben felfedezett és bejelentett új rosszindulatú daganatok: Férfi, Országos összes, Korcsoport szerint BNO `00-04 `05-09 `10-14 `15-19
2011-ben felfedezett és bejelentett új rosszindulatú daganatok: Férfi, Országos összes, Korcsoport szerint 2013.04.18 C00 Az ajak rosszindulatú d. 1 1 0 0 2 0 2 1 5 4 5 14 15 21 35 40 19 11 176 C00 C01
COOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN. Keywords: cooperation, competitiveness, cereal sector, region, market.
COOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN Keywords: cooperation, competitiveness, cereal sector, region, market. Using a questionnaire, we determined the nature and strength
Az onkológia alapjai. Szántó János DE OEC Onkológiai Tanszék ÁNTSZ 2010. február
Az onkológia alapjai Szántó János DE OEC Onkológiai Tanszék ÁNTSZ 2010. február Statisztika Megbetegedés halálozás Világ: 15 20 M 7-8 M Mo.: 70.000 36.000 Azaz hazánkban minden negyedik állampolgár daganatos
A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András
Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat
HÁZI DOLGOZAT. Érmefeldobások eredményei és statisztikája. ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai)
ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai) HÁZI DOLGOZAT Érmefeldobások eredményei és statisztikája Készítette: Babinszki Bence EHA-kód: BABSAET.ELTE E-mail cím: Törölve A jelentés
Phenotype. Genotype. It is like any other experiment! What is a bioinformatics experiment? Remember the Goal. Infectious Disease Paradigm
It is like any other experiment! What is a bioinformatics experiment? You need to know your data/input sources You need to understand your methods and their assumptions You need a plan to get from point
A GDP hasonlóképpen nem tükrözi a háztartások közötti munka- és termékcseréket.
FŐBB MUTATÓK A regionális GDP adatok minősége alapvetően 3 tényezőtől függ: az alkalmazott számítási módszertől a felhasznált adatok minőségétől a vizsgált területi egység nagyságától. A TERÜLETI EGYENLŐTLENSÉGEK
2010-2011. I. félév. Szolnok, 2011. október 05. Dr. Sinkó-Káli Róbert megyei tiszti főorvos. Jászberény. Karcag. Szolnok. Mezőtúr
Tájékoztató a Jász-Nagykun-Szolnok Megyei Önkormányzat számára a megye lakosságának egészségi állapotáról, az egészségromlást kiváltó vélelmezett okokról és a szükséges tennivalókról 2010-2011. I. félév
F L U E N T U. Nemzetközi gazdaság- és társadalomtudományi folyóirat International journal of Economic and Social Sciences. 2015. II. évfolyam 3.
F L U E N T U M Nemzetközi gazdaság- és társadalomtudományi folyóirat International journal of Economic and Social Sciences 2015. II. évfolyam 3. szám ISSN 2064-6356 www.fluentum.hu A KÁRPÁT-MEDENCE REGIONÁLIS