دوره 14، شماره 5 - ( مرداد 1399 )
جلد 14 شماره 5 صفحات 68-59 |
برگشت به فهرست نسخه ها
امیر حسین هاشمیان1 
، لیلا سلوکی* 2، منصور رضایی1 ، آرمین عطار3
، لیلا سلوکی* 2، منصور رضایی1 ، آرمین عطار3
1- گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران.
2- گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران. ،l_soloki68@yahoo.com
3- گروه پزشکی قلب و عروق، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران.
2- گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران. ،
3- گروه پزشکی قلب و عروق، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران.
چکیده: (3593 مشاهده)
زمینه و هدف: بیماری فشارخون بالا یکی از شایع‌ترین بیماری‌هاست و در همه جوامع افراد زیادی را درگیر کرده است. یکی از عوارض مهم درمان فشارخون، رخداد نارسایی حاد کلیه است؛ بنابراین، بررسی میزان بقای بیماران مبتلابه فشارخون بالا تا بروز رخداد نارسایی حاد کلیه و تعیین عوامل مؤثر بر آن اهمیت دارد.
روش بررسی: مطالعه حاضر یک مطالعه تحلیلی از نوع مدل‌سازی است که از بهمن 1396 تا تیر 1397 در دانشگاه علوم پزشکی کرمانشاه انجام شد. در مطالعه حاضر بقای بیماران مبتلابه فشارخون بالا تا بروز رخداد نارسایی حاد کلیه با استفاده از مدل پارامتری وایبل و وایبل تعمیم‌یافته بر اساس مخاطرات رقیب بررسی شده است که ریسک رقیب عبارت بود از: مرگ به علت بیماری‌های قلبی و عروقی. اطلاعات موردنیاز از فایل داده مطالعه کارآزمایی بالینی SPRINT استخراج شد.
روش بررسی: مطالعه حاضر یک مطالعه تحلیلی از نوع مدل‌سازی است که از بهمن 1396 تا تیر 1397 در دانشگاه علوم پزشکی کرمانشاه انجام شد. در مطالعه حاضر بقای بیماران مبتلابه فشارخون بالا تا بروز رخداد نارسایی حاد کلیه با استفاده از مدل پارامتری وایبل و وایبل تعمیم‌یافته بر اساس مخاطرات رقیب بررسی شده است که ریسک رقیب عبارت بود از: مرگ به علت بیماری‌های قلبی و عروقی. اطلاعات موردنیاز از فایل داده مطالعه کارآزمایی بالینی SPRINT استخراج شد.
- از مجموع 842 بیمار، 85 نفر به علت بیماری‌های قلبی و عروقی فوت کردند، 298 نفر دچار نارسایی حاد کلیه و 459 نفر سانسور شده بودند. میانگین زمان بقا 88/14±49/929 و میانه زمان بقا 1029 روز بوده است. مقدار آکاییکه مدل وایبل تعمیم‌یافته کمتر از مدل وایبل بود. این نتایج حاکی از آن است که بر اساس مدل وایبل تعمیم‌یافته متغیرهای نرخ فیلتراسیون گلومرولی، تعداد داروهای ضد فشارخون مصرف‌شده در بدو ورود، نارسایی مزمن کلیه، نسبت آلبومین به کراتینین در ادرار و جنس بر زمان بقای بیماران تأثیرگذار بودند.
نوع مطالعه: مقاله پژوهشي |
موضوع مقاله:
اپیدمیولوژی
دریافت: 1399/1/31 | پذیرش: 1399/5/25 | انتشار: 1399/5/10
دریافت: 1399/1/31 | پذیرش: 1399/5/25 | انتشار: 1399/5/10
فهرست منابع
1. 1. Kjeldsen SE. Hypertension and cardiovascular risk: general aspects. Pharmacol Res 2018;129:95-9. PMID: 29127059 [DOI:10.1016/j.phrs.2017.11.003]
2. Dahlöf B, Hansson L, Lindholm L, Schersten B, Ekbom T, Wester P. Morbidity and mortality in the Swedish trial in old patients with hypertension (STOP-Hypertension). Lancet 1991;338(8778):1281-5. PMID: 1682683 [DOI:10.1016/0140-6736(91)92589-T]
3. Kearney PM, Whelton M, Reynolds K, Muntner P, Whelton PK, He J. Global burden of hypertension: analysis of worldwide data. Lancet 2005;365(9455):217-23. PMID: 15652604 [DOI:10.1016/S0140-6736(05)17741-1]
4. Roger VL, Go AS, Lloyd-Jones DM, Benjamin EJ, Berry JD, Borden WB, et al. Heart disease and stroke statistics--2012 update: a report from the American Heart Association. Circulation 2012;125(1):e2-220. PMID: 22179539
5. Lewington S, Clarke R, Qizilbash N, Peto R, Collins R; Prospective Studies Collaboration. Age-specific relevance of usual blood pressure to vascular mortality: a meta-analysis of individual data for one million adults in 61 prospective studies. Lancet 2002;360(9349):1903-13. PMID: 12493255 [DOI:10.1016/S0140-6736(02)11911-8]
6. Hsu CY, McCulloch CE, Darbinian J, Go AS, Iribarren C. Elevated blood pressure and risk of end-stage renal disease in subjects without baseline kidney disease. Arch Intern Med 2005;165(8):923-8. PMID: 15851645 [DOI:10.1001/archinte.165.8.923]
7. MacMahon S, Peto R, Collins R, Godwin J, Cutler J, Sorlie P, et al. Blood pressure, stroke, and coronary heart disease: part 1, prolonged differences in blood pressure: prospective observational studies corrected for the regression dilution bias. Lancet 1990;335(8692):765-74. PMID: 1969518 [DOI:10.1016/0140-6736(90)90878-9]
8. Vasan RS, Larson MG, Leip EP, Evans JC, O'donnell CJ, Kannel WB, et al. Impact of high-normal blood pressure on the risk of cardiovascular disease. N Engl J Med 2001;345(18):1291-7. PMID: 11794147 [DOI:10.1056/NEJMoa003417]
9. Verdecchia P, Angeli F. The seventh report of the joint national committee on the prevention, detection, evaluation and treatment of high blood pressure: the weapons are ready. Rev Esp Cardiol 2003;56(9):843-7. PMID: 14519269
10. Thomopoulos C, Parati G, Zanchetti A. Effects of blood pressure lowering on outcome incidence in hypertension: 4. Effects of various classes of antihypertensive drugs-overview and meta-analyses. J Hypertens 2015;33(2):195-211. PMID: 25485720 [DOI:10.1097/HJH.0000000000000447]
11. Wright JM, Musini VM, Gill R. First‐line drugs for hypertension. Cochrane Database Syst Rev 2018;4(4):CD001841. PMID: 29667175 [DOI:10.1002/14651858.CD001841.pub3]
12. Shafipour V, Shafipour L, Jafari H. The Effect of the cardiac rehabilitation program on the quality of life in patients with myocardial infarction. Arak Med Univ J 2011;14(5):34-42. Link
13. Deaton C, Froelicher ES, Wu LH, Ho C, Shishani K, Jaarsma T. The global burden of cardiovascular disease. J Cardiovasc Nurs 2011;26(4 Suppl):S5-14. PMID: 21659814 [DOI:10.1097/JCN.0b013e318213efcf]
14. Shahbazian H, Baghaiee S, Shahbazian N. Study of causes, complications and mortality rate of acute renal failure. Jundishpur Sci Med J 2007;5(4):688-93. Link
15. Porta Bleda N, Gómez Melis G, Calle Rosingana ML, Malats i Riera N. Competing risks methods. Barcelona, Spain: Polytechnic University of Catalonia; 2007. Link
16. Kleinbaum DG, Klein M. Survival analysis. Berlin, Germany: Springer; 2010. Link
17. Dignam JJ, Zhang Q, Kocherginsky M. The use and interpretation of competing risks regression models. Clin Cancer Res 2012;18(8):2301-8. Link [DOI:10.1158/1078-0432.CCR-11-2097]
18. Wolbers M, Koller MT, Stel VS, Schaer B, Jager KJ, Leffondre K, et al. Competing risks analyses: objectives and approaches. Eur Heart J 2014;35(42):2936-41. PMID: 24711436 [DOI:10.1093/eurheartj/ehu131]
19. Hougaard P. Analysis of multivariate survival data. Berlin, Germany: Springer Science & Business Media; 2012. Link
20. Jeong JH. A new parametric family for modelling cumulative incidence functions: application to breast cancer data. J Royal Stat Soc Series A 2006;169(2):289-303. Link [DOI:10.1111/j.1467-985X.2006.00409.x]
21. Klein JP, Moeschberger ML. Survival analysis: techniques for censored and truncated data. Berlin, Germany: Springer Science & Business Media; 2006. Link
22. Wahed AS, Luong TM, Jeong JH. A new generalization of Weibull distribution with application to a breast cancer data set. Stat Med 2009;28(16):2027-94. PMID: 19424958 [DOI:10.1002/sim.3598]
23. Mudholkar GS, Srivastava DK, Kollia GD. A generalization of the Weibull distribution with application to the analysis of survival data. J Am Stat Assoc 1996;91(436):1575-83. Link [DOI:10.1080/01621459.1996.10476725]
24. Austin PC, Lee DS, Fine JP. Introduction to the analysis of survival data in the presence of competing risks. Circulation 2016;133(6):601-9. PMID: 26858290 [DOI:10.1161/CIRCULATIONAHA.115.017719]
25. Noordzij M, Leffondré K, van Stralen KJ, Zoccali C, Dekker FW, Jager KJ. When do we need competing risks methods for survival analysis in nephrology? Nephrol Dial Transplant 2013;28(11):2670-7. PMID: 23975843 [DOI:10.1093/ndt/gft355]
26. Jeong JH, Fine J. Direct parametric inference for the cumulative incidence function. J Royal Stat Soc Series C 2006;55(2):187-200. Link [DOI:10.1111/j.1467-9876.2006.00532.x]
27. Lau B, Cole SR, Gange SJ. Competing risk regression models for epidemiologic data. Am J Epidemiol 2009;170(2):244-56. PMID: 19494242 [DOI:10.1093/aje/kwp107]
28. Prentice RL, Kalbfleisch JD, Peterson Jr AV, Flournoy N, Farewell VT, Breslow NE. The analysis of failure times in the presence of competing risks. Biometrics 1978;34(4):541-54. PMID: 373811 [DOI:10.2307/2530374]
29. Jabalameli M, Sajedi P, Khakbaz H, Taheri S. Frequency of acute renal failure in patients adimitted to Isfahan Alzahra (PBH) medical center ICU. Yafteh 2010;12(3):37-43. Link
30. Uchino S, Kellum JA, Bellomo R, Doig GS, Morimatsu H, Morgera S, et al. Acute renal failure in critically ill patients: a multinational, multicenter study. JAMA 2005;294(7):813-8. PMID: 16106006 [DOI:10.1001/jama.294.7.813]
31. Akbari H, Nikkhah A, Alizadeh A. Evaluation of acute renal failure and its associated factors in heart surgery patients in Fatima Zahra Hospital, Sari, 2012. J Mazandaran Univ Med Sci 2014;24(112):97-102. Link
32. Rasmussen HH, Ibels LS. Acute renal failure multivariate analysis of causes and risk factors. Am J Med 1982;73(2):211-8. PMID: 7114078 [DOI:10.1016/0002-9343(82)90181-4]
33. Attar A, Sayadi M. Effect of chronic kidney disease oncardiovascular events: an epidemiological aspect from SPRINT trial. Iran J Kidney Dis 2019;13(5):328-36. PMID: 31705750
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |