Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
. 2022 Mar 23:46:e17.
doi: 10.26633/RPSP.2022.17. eCollection 2022.

Cox model and decision trees: an application to breast cancer data

Lucas Cardoso Pereira  1 , Sóstenes Jerônimo da Silva  2 , Cleanderson Romualdo Fidelis  3 , Alisson de Lima Brito  4 , Silvio Fernando Alves Xavier Júnior  2 , Lorena Sofia Dos Santos Andrade  2 , Milena Edite Casé de Oliveira  5 , Tiago Almeida de Oliveira  2
Affiliations

Cox model and decision trees: an application to breast cancer data

Lucas Cardoso Pereira et al. Rev Panam Salud Publica. .

Abstract
in English, Spanish, Portuguese

Objective: To evaluate, using semiparametric methodologies of survival analysis, the relationship between covariates and time to death of patients with breast cancer, as well as the determination discriminatory power in the conditional inference tree of patients who had cancer.

Methods: A retrospective cohort study was conducted using data collected from medical records of women who had breast cancer and underwent treatment between 2005 and 2015 at the Hospital da Fundação de Assistencial da Paraíba in Campina Grande, State of Paraiba, Brazil. Survival curves were estimated using the Kaplan-Meier method, Cox regression, and conditional decision tree.

Results: Women with triple-negative molecular subtypes had a shorter survival time compared to women with positive hormone receptors. The addition of hormone therapy reduced the risk of a patient dying by 5.5%, and the risk of a HER2-positive patient dying was 34.5% lower compared to those who were negative for this gene. Patients undergoing hormone therapy had a median survival time of 4 753 days.

Conclusions: This paper shows a favorable scenario for the use of immunotherapy for patients with HER2 overexpression. Further studies could assess the effectiveness of immunotherapy in patients with other conditions, to favor the prognosis and better quality of life for the patient.

Objetivo: Evaluar, mediante métodos semiparamétricos del análisis de supervivencia, la relación entre las covariables y el tiempo hasta la muerte de las pacientes con cáncer de mama, así como la determinación del poder discriminatorio en el árbol de inferencia condicional de las pacientes con cáncer.

Métodos: Se llevó a cabo un estudio retrospectivo de cohortes con datos recogidos de los expedientes médicos de mujeres con cáncer de mama que recibieron tratamiento entre los años 2005 y 2015 en el Hospital da Fundação de Assistencial da Paraíba en Campina Grande, en el estado de Paraíba (Brasil). Se calcularon las curvas de supervivencia mediante el método Kaplan–Meier, el modelo de regresión de Cox y un árbol de decisiones condicionales.

Resultados: Las mujeres con subtipos moleculares triple negativos tuvieron un período de supervivencia más corto en comparación con las mujeres con receptores hormonales positivos. La adición del tratamiento hormonal redujo en 5,5 % el riesgo de muerte de la paciente y en un 34,5% el riesgo de muerte de pacientes con cáncer HER2-positivo en comparación con las pacientes negativas para este gen. Las pacientes en tratamiento hormonal tuvieron un tiempo medio de supervivencia de 4 753 días.

Conclusiones: Este estudio muestra un escenario favorable para el uso de la inmunoterapia en las pacientes con sobreexpresión del HER2. En futuros estudios se podría evaluar la eficacia de la inmunoterapia en pacientes con otras enfermedades, con el fin de favorecer el pronóstico y mejorar la calidad de vida de la paciente.

Objetivo: Avaliar, por meio de métodos semiparamétricos de análise de sobrevida, a relação entre covariáveis e tempo até a morte em pacientes com câncer de mama e determinar o poder discriminatório na árvore de inferência condicional em pacientes que tiveram câncer.

Métodos: Estudo de coorte retrospectivo realizado a partir de dados coletados de prontuários médicos de mulheres com câncer de mama, tratadas entre 2005 e 2015 no Hospital da Fundação Assistencial da Paraíba em Campina Grande, no estado da Paraíba, Brasil. As curvas de sobrevida foram estimadas pelo método de Kaplan-Meier, regressão de Cox e árvore de decisão condicional.

Resultados: As pacientes com subtipos moleculares de tumor triplo-negativo tiveram uma sobrevida menor em comparação com as que apresentavam tumor com receptores hormonais. O acréscimo de hormonioterapia reduziu o risco de morte em 5,5%. O risco de morte foi 34,5% menor em pacientes com HER2+ quando comparadas às que tinham tumores sem a expressão desse gene. A mediana de sobrevida das pacientes tratadas com hormonioterapia foi de 4 753 dias.

Conclusões: A presente análise revela um cenário favorável para o uso de imunoterapia em pacientes com superexpressão de HER2. Outros estudos devem ser realizados para avaliar a eficácia da imunoterapia em outras doenças e os fatores que favorecem o prognóstico e melhoram a qualidade de vida dessas pessoas.

Keywords: Brazil; Survival analysis; breast neoplasms; mortality.

PubMed Disclaimer

Figures

FIGURE 1.
FIGURE 1.. Service time for patients with breast cancer
FIGURE 2.
FIGURE 2.. Kaplan–Meier curves for patient’s time to death from breast cancer
FIGURE 3.
FIGURE 3.. Decision tree for the time to the patient’s death from breast cancer
See this image and copyright information in PMC

References

    1. World Health Organization . Geneva: WHO; 2021. [Cited 2021 Jun 19.]. Cancer. Available from: http://www.who.int/cancer/en/
    2. 1. World Health Organization. Cancer. Geneva: WHO; 2021. Available from: http://www.who.int/cancer/en/. Cited 2021 Jun 19.
    1. Torre LA, Siegel RL, Ward EM, Jemal A. Global Cancer Incidence and Mortality Rates and Trends - An Update. Cancer Epidemiol Biomarkers Prev. 2016;25:16–27. doi: 10.1158/1055-9965.EPI-15-0578. - DOI - PubMed
    2. 2. Torre LA, Siegel RL, Ward EM, Jemal A. Global Cancer Incidence and Mortality Rates and Trends - An Update. Cancer Epidemiol Biomarkers Prev. 2016;25:16–27. 10.1158/1055-9965.EPI-15-0578 - DOI - PubMed
    1. Estimativa 2020: incidência de câncer no Brasil. Rio de Janeiro: INCA; 2019. Instituto Nacional de Câncer José Alencar Gomes da Silva, Coordenação de Prevenção e Vigilância.
    2. 3. Instituto Nacional de Câncer José Alencar Gomes da Silva, Coordenação de Prevenção e Vigilância. Estimativa 2020: incidência de câncer no Brasil. Rio de Janeiro: INCA; 2019.
    1. Instituto Nacional de Câncer . Rio de Janeiro: INCA; 2005. Estimativa 2005: incidência de câncer no Brasil.
    2. 4. Instituto Nacional de Câncer. Estimativa 2005: incidência de câncer no Brasil. Rio de Janeiro: INCA; 2005.
    1. Instituto Nacional de Câncer . Rio de Janeiro: INCA; 2018. Estimativa 2018: incidência de câncer no Brasil.
    2. 5. Instituto Nacional de Câncer. Estimativa 2018: incidência de câncer no Brasil. Rio de Janeiro: INCA; 2018.

LinkOut - more resources