تحلیل بیزی مدل های شکنندگی در بررسی داده های بقا طولانی مدت
Authors
Abstract:
در تحلیل داده های بقا طولانی مدت دو دسته از مدل ها با نام مدلهای شفایافته آمیخته و ناآمیخته ارائه شدهاند. از آنجایی که استفاده از مدلهای شفایافته آمیخته در رویکرد بیزی دارای معایبی است، از جمله میتوان به عدم اطمینان از شناسایی پذیری بودن پارامترهای واقعی جامعه و همچنین ایجاد توزیع پسین ناسره به دلیل عدم انتخاب توزیعهای پیشین مناسب اشاره کرد. لذا در رویکرد بیزی از مدلهای ناآمیخته استفاده میشود. از طرفی به دلیل عدم توانایی در اندازه گیری تمامی عاملهای تأثیرگذار بر بقا بیماران، مدلهای شکنندگی در تحلیل بقا ارائهشدهاند. در مدل های شفایافته ناآمیخته ین (2005) اولین بار دو نوع از مدلهای شکنندگی را ارائه نمود. در این مقاله با ادغام دو مدل شکنندگی ارائهشده توسط یین، دو مدل شکنندگی جدید ارائه می کنیم و برازش بهتر آنها را به مدل های ارائه شده توسط یین در یک مجموعه داده حاصل از بقا بیماران لوکمی نشان میدهیم. برای برآورد پارامترها از رویکرد بیزی سلسله مراتبی استفاده میشود. تابع درستنمایی بر اساس تابع خطر نمایی تکه ای و توزیع شکنندگی لگ-نرمال تعیین میگردد و برآورد مشخصات توزیع های پسینی با بهکارگیری روش های مونتکارلوی زنجیر مارکوفی به دست می آیند. بر اساس معیار برازش اطلاع انحرافی برتری مدل های ارائه شده به مدلهای یین مورد تأیید قرار میگیرد.
similar resources
تحلیل بقا بر اساس مدل های شکنندگی
تحلیل بقا یکی از مهم ترین مباحث آماری است که برای تحلیل داده های طول عمر در زمینه های مختلف به کار برده می شود.در سال های اخیر برای توسعه مدل های بقای کلاسیک به مدل هایی که قابلیت انعطاف بیشتری برای برازانده شدن به داده های بقا را داشته باشند مدل های شکنندگی معرفی شده اند.پارامتر شکنندگی می تواند برای هر فرد و یا برای هر خوشه تغییر کند که در حالت اخیر آن را منبع شکنندگی مشترک شده می نامند.هدف ا...
15 صفحه اولمدل های خطرهای متناسب و شکنندگی برای تحلیل داده های بقای فضایی
مدل خطرهای متناسب کاکس یکی از پرکاربردترین مدلها برای برازاندن به داده های بقا است که بر اساس فرضهای همگنی جامعه، استقلال و هم توزیع بودن داده های بقا بنا شده است. اما در بسیاری از مواقع خطرهای واحدهای آماری متفاوت بوده و فرض همگنی جامعه برقرار نیست. یکی از دلایل این تفاوت وجود عوامل خطر ناشناخته یا مشاهده نشده است که لحاظ نکردن آنها و استفاده از مدلهایی همچون مدل خطرهای متناسب کاکس میتواند نتا...
full textمدل بندی داده های بقا طولانی مدت با استفاده از مفصل
داده های بقا چند متغیره در بسیاری از زمینه مختلف علمی به کار می روند. برای در نظر گرفتن ساختار وابستگی میان زمان های بقا روش های مختلفی وجود دارد. یکی از روش هایی که در سال های اخیر برای مدل سازی داده های بقا چند متغیره مورد استفاده قرار گرفته است، تابع مفصل می باشد. مفصل ها توابعی هستند که توزیع های حاشیه ای را به توزیع توام آن ها پیوند می دهند. در آنالیز بقا فرض می شود که تمام افراد تحت مطالع...
آنالیز بقاء دو متغیره طولانی مدت با مدل شکنندگی همبسته
مدل شفایافته برای تحلیل داده های بقاء در حضور افراد با بقاء طولانی مدت ارائه شده است. در اینگونه داده ها بعضی از افراد جامعه با گذشت زمان هرگز پیشامد مورد نظر را تجربه نمی کنند. برای مثال همه افراد عضو پیوندی را دفع نمی کنند. دو نوع از مدل های شفایافته برای تحلیل این داده ها ارائه شده است: (1) مدل شفایافته آمیخته (2) مدل شفایافته ناآمیخته. استفاده از مدل شفایافته آمیخته به روش بیزی دارای معایبی...
تحلیل مدل شکنندگی همبسته به روش بیزی
در این تحقیق به منظور مطالعه داده های بقا در حالت عدم استقلال، مدل شکنندگی همبسته معرفی و در این مدل با استفاده از متغیری تصادفی تحت عنوان شکنندگی به بررسی مدل های بقا پرداخته و توابع بقا، خطر و درستنمایی را محاسبه می نماییم. در ادامه به منظور بررسی محدودیت های بیشتر تعمیمی از این مدل ها که مدل های شکنندگی همبسته شفایافتگی و شکنندگی همبسته شفایافتگی با تاخیر چندگانه می باشند ارائه و کلیه بررسی ...
15 صفحه اولکاربرد مدل های پارامتری در تحلیل بقا در سرطان معده
سابقه و هدف: مدل مخاطره متناسب کاکس، رایجترین روش برای تجزیه و تحلیل اثر متغیرها بر روی زمان بقاء میباشد، اما، تحت شرایط معین مدلهای پارامتری میتوانند بر مدل کاکس برتری داشته باشند. در مطالعه حاضر با استفاده از مدل کاکس و جایگزین های پارامتری از قبیل مدل وایبل، نمایی و لگ نرمال، عوامل مؤثر بر بقاء بیماران مبتلا به سرطان معده، ارزیابی و کارآیی مدلها برای ارائه بهترین مدل مقایسه گردید. مواد ...
full textMy Resources
Journal title
volume 2 issue 2
pages 1- 19
publication date 2015-12-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023