Κατεύθυνση Βιοστατιστική
Βιβλιοθήκη Επιστημών Υγείας

2024-04-18

2024

Αποστολίδης Απόστολος

Ιωάννης Ντζούφρας, Καθηγητής, Τμήμα Στατιστικής, Οικονομικού Πανεπιστημίου Αθηνών
Κωνσταντίνος Γιαννούτσος, Καθηγητής, Department of Biostatistics and Health Data Science, Indiana University Indianapolis
Γιώργος Μπακογιάννης, Αναπλ. Καθηγητής, Department of Biostatistics and Health Data Science, Indiana University Indianapolis

A simulation study of the Bayesian Weibull competing risk model with missing cause of failure

Αγγλικά

Μια έρευνα προσομοίωσης για το Μπεϋζιανο Γουεϊμπουλ με τους ελλιπές ανταγωνιστικούς κινδύνους

Στις μελέτες ανάλυσης επιβίωσης, αρκετές φορές υπάρχει πάρα πάνω από ένα
είδος κινδύνου και μάλιστα αρκετές φορές οι ανταγωνιστικοί κίνδυνοι μπορεί να
λείπουν. Αρκετές μέθοδοι έχουν προταθεί όπως για παράδειγμα Μπεϋζιανα και
μη, παραμετρικά ή σχεδόν παραμετρικά μοντέλα. Το Μπεϋζιανο Γουεϊμπουλ
παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους είναι ένα
μοντέλο που δεν έχει περιγράφει επαρκώς στην βιβλιογραφία. Ως αποτέλεσμα,
αυτή η διπλωματική εργασία έχει σκοπό να περιγράψει σαφώς και με
διευκρινιστικό τρόπο το μοντέλο και να το συγκρίνει με μια μέθοδο που
χρησιμοποιεί την μέγιστη μερικώς ψευδό πιθανοφάνεια για να εκτιμήσει τους
συντελεστές. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές
ανταγωνιστικούς κινδύνους χρησιμοποιεί την Μπεϋζιανη μεθοδολογία για να
γεμίσει τις ελλιπείς τιμές και να εκτιμήσει τις επιθυμητές παραμέτρους. Πιο
συγκεκριμένα, για να εισαχθούν οι ελλιπείς τιμές χρησιμοποιώντας την
Μπεϋζιανη θεωρεία θεωρούνται ως άγνωστοι παράμετροι που πρέπει να
εκτιμηθούν. Οι συντελεστές του μοντέλου και οι διάφοροι παράμετροι κτίζονται
από το Γουεϊμπουλ παραμετρικό μοντέλο με ανταγωνιστικούς κινδύνους και
τελικά εκτιμώνται με την χρήση της Μπεϋζιανης Στατιστικής. Η μέθοδος που
εκτιμά τους συντελεστές με την χρήση της μέγιστης μερικώς ψευδό
πιθανοφάνειας είναι μια γρήγορη και παράλληλα αποτελεσματική μέθοδος που
πρακτικά εκτιμάει τους συντελεστές μέσω ενός Κοξ σταθμισμένου γραμμικού
μοντέλου. Τα προσομοιωμένα δεδομένα δημιουργούνται από τα στατιστικά μιας
ερευνάς που έγινε στην Ανατολική Αφρική η οποία λέγεται EA-IeDEA και έχει
σκοπό να μελετήσει τον Ιό της Ανοσοανεπάρκειας του Ανθρώπου, στην
συγκεκριμένη έρευνα υπάρχουν πολλοί ασθενείς που τελικά είναι άγνωστο για
τους ερευνητές αν πεθάναν ή απλά έφυγαν από την έρευνα (δηλαδή ζούνε). Τα
αποτελέσματα από την έρευνα προσομοίωσης έδειξαν ότι και οι δυο μέθοδοι είναι
αρκετά αποτελεσματική και μπορούν με ευκολία να αντιμετωπίσουν παρόμοια
προβλήματα όταν ειδικά ισχύουν οι υποθέσεις του κάθε μοντέλου. Η αξιοπιστία
και η εγκυρότητα του μοντέλου εξαρτάται πολύ από την υπόθεση της
αναλογικότητας και από την επιθυμητή Γουεϊμπουλ μορφή των κινδύνων , σε
περίπτωση όμως που τα αποτελέσματα είναι αμφιλεγόμενα και καθόλου
αποτελεσματικά τότε μια καλή λύση είναι κάποιος να χρησιμοποιήσει ένα άλλο
παραμετρικό μοντέλο αντί του Γουεϊμπουλ όπως για παράδειγμα ένα μοντέλο
επιταχυνόμενου χρόνου.

Επιστήμες Υγείας

Μπεϋζιανο, Γουεϊμπουλ

Όχι

0

Όχι

33

124

https://pergamos.lib.uoa.gr/uoa/dl/object/3395567/file.pdf

https://pergamos.lib.uoa.gr/uoa/dl/object/3395567