The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Categorizing tumor size as a prognostic factor for risk of relapse of hepatocellular carcinoma

간세포암종의 재발 위험과 관련된 한 예후인자로서의 종양의 크기의 범주화

  • 김선우 (삼성의료원 삼성생명과학 연구소 통계지원팀) ;
  • 박철근 (삼성의료원 진단병리과)
  • Published : 2002.03.01
Download PDF
⟨ Previous Next ⟩

Abstract

Categorizing prognostic factors is very useful for a disease diagnosis, determination of treatment and study eligibility criteria. Methods often used to categorize factors are to select a cutpoint by biological theory, by graphical examination, by the minimum p-value approach. The last method involves multiple testing, and several methods for adjusting p-values have been developed. This study determines the cutpoint of tumor size to separate patients of high risk of relapse after hepatic resection of hepatocellular carcinoma.

예후인자의 범주화는 질병의 진단, 치료법 결정 및 임상시험의 참여기준 설정 등에 매우 유용하다. 예후인자의 범주화 방법으로는 생물학적 이론에 따라 경계값을 정하는 방법, 자료의 그래프를 이용하는 방법, 모든 가능한 경계 값들을 적용해보는 최소 유의확률 방법 등이 있다. 또한 최소 유의확률 방법의 다중검정문제를 보완한 몇 가지 방법들이 있다. 본 연구에서는 우리 나라에서 높은 발생률을 보이는 간세포암종의 절제술을 받은 환자들에 있어서 간 절제술 후 재발위험이 높은 군을 구별하는 한 근거로 종양의 크기를 범주화하기 위한 경계값을 결정하고자 하였다.

Keywords

References

  1. Transplant Proc v.31(Suppl 8A) Strategies to reduce or replace steroid dosing Vanreterghem, Y.
  2. Transplant Proc v.30 Steroid withdrawal from cyclosporine-based regimen Hricik, D.S.;Schulak, J.A. https://doi.org/10.1016/S0041-1345(98)00431-X
  3. transplant Proc v.30 Withdrawal of steroids from a cyclosporine-based regimen Ponticelli, C. https://doi.org/10.1016/S0041-1345(98)00430-8
  4. Biometrics v.48 Prediction in censored survival data:A Comparison of the proportional hazards and linear regression models Heller, G.;Simonoff J.S. https://doi.org/10.2307/2532742
  5. Biometrics v.40 Confidence intervals for the survival function using Cox's propotional-hazard model with covariates Link, C.L. https://doi.org/10.2307/2530904
  6. Biometrics v.38 Maximally select chi square statistics Miller, R.;Siegmund, D. https://doi.org/10.2307/2529881
  7. Computational Statistics and Data Analysis v.21 Evaluating the effect of optimized cutoff values in the assessment of prognostic factors Lausen, B.;Schumacher, M. https://doi.org/10.1016/0167-9473(95)00016-X

Cited by

  1. Determining cutoff values of prognostic factors in survival data with competing risks vol.31, pp.1, 2016, https://doi.org/10.1007/s00180-015-0582-x