Post-chemotherapy survival range analysis of lung cancer patients through statistical software ‘R’

Abstract

Abstract: Positive inclination of health sector towards patient data collection, management, multi-variant statistical analysis along with mathematical modelling has opened a new avenue to better understand the post-treatment health complications and survival range. It helps the researchers to predict and design better strategies to contain and cure the disease, and save the lives. Current study is an attempt to re-analyse the secondary data about the lungs cancer patients underwent chemotherapy. Statistical analysis using ‘R’ revealed that females showed better response towards treatment than males as assessed by the post-treatment survival range monitoring. Moreover, meal supply did not significantly affected the post-treatment body weight in both the cases.

Keywords

• Statistical Software R
• Chemotherapy
• Lung cancer

Post-chemotherapy survival range analysis of lung cancer patients through statistical software ‘R’

Abstract

Sağlık sektörünün hasta verilerinin toplanması, yönetimi, çok değişkenli istatistiksel analizin yanı sıra matematiksel modellemeye yönelik olumlu eğilimi, tedavi sonrası sağlık komplikasyonlarını ve sağkalım aralığını daha iyi anlamak için yeni bir yol açmıştır. Araştırmacıların hastalığı kontrol altına almak ve iyileştirmek ve hayat kurtarmak için daha iyi stratejiler öngörmelerine ve tasarlamalarına yardımcı olur. Mevcut çalışma, kemoterapi uygulanan akciğer kanseri hastalarına ilişkin ikincil verileri yeniden analiz etme girişimidir. 'R' kullanılarak yapılan istatistiksel analiz, tedavi sonrası sağkalım aralığı izlemesiyle değerlendirildiği üzere, kadınların tedaviye erkeklerden daha iyi yanıt verdiğini ortaya koydu. Ayrıca, yemek arzı her iki durumda da tedavi sonrası vücut ağırlığını önemli ölçüde etkilemedi.

Keywords

• Kemoterapi
• Akciğer kanseri
• İstatistiksel Yazılım R

References

1. 1. B. Barnes and G. R. Fulford, Mathematical Modelling with Case Studies using Maple and MATLAB, Third Edition, CRC Press, 2015.
2. 2. F. Emmert-Streib and M. Dehmer, Introduction to Survival Analysis in Practice, Machine Learning and Knowledge Extraction, 1, 1013–1038, 2019.
3. 3. D. S. Jones, M. J. Plank,and B.D. Sleeman, Differential Equations and Mathematical Biology,Second Edition, CHAPMAN & HALL/CRC Mathematical and Computational Biology Series, 2009.
4. 4. A.Kassambara, M.Kosinski, P.Biecek, Survminer: Drawing Survival Curves using ‘ggplot2’, R PackageVersion 0.3 2017, 1
5. 5. D. G. Kleinbaum and M. Klein, Survival Analysis A Self-Learning Text, Second Edition, SpringerNew York, 2005.
6. 6. P. Narayanachar Tattar, S. Ramaiah and B.G. Manjunath, A Course in Statistics with R, John Wiley & Sons, Ltd, 2016.
7. 7. T.M.Therneau, A package for survival analysis in S. R Package Version 1977, 2, 280. Availableonline: https://www.semanticscholar.org/paper/A-Package-for-Survival-Analysis-in-S-Therneau/aba73f6957bce1648f066935f7ea85a99119be5d (accessed on 1 July 2019).
8. 8. J. Verzani, Using R for Introductory Statistics, Second Edition, Chapman & Hall/CRC The R Series, 2014.