Geri Dön

Bayesci sağkalım analizi ve meme kanseri verileri üzerine bir uygulama

Bayesian survival analysis and an application on breast cancer data

  1. Tez No: 330501
  2. Yazar: ESİN AVCI
  3. Danışmanlar: YRD. DOÇ. DR. MERAL YAY
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 91

Özet

Bu çalışmada, açıklayıcı olan ve olmayan önsel bilgiye dayalı Bayesci Sağkalım Analizi tüm yönleriyle irdelenmiş ve yöntemin üstünlüğü klasik parametrik sağkalım analizi ile karşılaştırılarak gösterilmiştir.Giriş niteliğini taşıyan birinci bölümde sağkalım analizi ile ilgili genel bilgiler ve tanımlar verilmiştir. Bayesci yaklaşımın tanıtıldığı giriş bölümü aynı zamanda Bayesci Sağkalım Analizi için de temel oluşturmaktadır.Bayesci yaklaşımın ayrıntılı olarak ele alındığı ikinci bölümde, önsel dağılım kavramı ve Bayesci yaklaşımda kullanılan önsel dağılım türleri tanıtılmıştır. Ardından sonsal dağılım kavramı tanıtılarak, Markov Zinciri Monte Carlo (MCMC) ve Metropolis Hasting yöntemleri anlatılmıştır.Sağkalım analizi ile ilgili temel kavramların tanıtıldığı üçüncü bölümde, parametrik ve yarı parametrik sağkalım modelleri anlatılmış; sağkalım süresinin Üstel, Weibull ve Lognormal dağılıma sahip olduğu parametrik modeller ayrıntısı ile irdelenmiştir. Bayesci yaklaşım kullanılarak üç farklı dağılıma sahip modeller için parametre tahminleri elde edilmiş ve model seçim kriterleri anlatılmıştır.Tez çalışmasının uygulamasını oluşturan dördüncü bölümde ise, 9 yıl izlemli meme kanserli 458 hastaya ilişkin veriler incelenmiş ve tüm prognostik faktörler gözönünde bulundurularak seçim yapılmıştır. Veriler üzerinde Klasik Parametrik Sağkalım Analizinin yanısıra açıklayıcı olan ve olmayan önsel bilgiye dayalı Bayesci Sağkalım Analizi uygulanmıştır. Anılan üç yönteme ilişkin parametre tahminleri elde edilmiş ve karşılaştırma yapılmıştır.Tez çalışmasının son bölümünde, önsel bilgiye dayalı Bayesci yaklaşımla elde edilen sonuçların önemi vurgulanmış ve yapılan çalışmanın bundan sonraki araştırmalar için temel oluşturması hedeflenmiştir.

Özet (Çeviri)

In this study, Bayesian survival analysis with informative and noninformative prior examined in all aspects of and the advantage of the method is shown by compared with the frequentis analysis.In the first chapter as an introduction, general information and definitions for survival analysis are given. At the same time, this chapter covers Bayesian approach which is the basis for Bayesian survival analysis.Bayesian approach is disccussed in the second chapter, the concept of prior distribution and types of prior distribution used in bayesian approach is introduced. And then the concept of posterior distribution is introduced, Markov Chain Monte Carlo (MCMC) and Metropolis Hasting methods described.The third section introduced the basic concepts related to survival analysis. Parametric and semi-parametric models are explained. Parametric model of exponentially, weibull and lognormal distributed survival time examined with the details. Also bayesian parameter estimation approach for the three models are obtained and model selection criteria are explained.The fouth chapter of the thesis that cover application. 9 year follow-up 458 patients with breast cancer data is examined and all the prognostic factors took place considering the elections. Frequentis and Bayesian survival analysis with informative and noninformative prior applied to the data. The parameter estimates are obtained for three method mentioned and are compared.In the last chapter of the thesis, the importance of the result which obtained by Bayesian approach used prior highlighted and it is aimed to be the basis for the future research.

Benzer Tezler

  1. Kayıp verili COX regresyon yöntemine bayesci bir yaklaşım

    A bayesian approach for COX regression with missing data

    NESRİN ALKAN

    Doktora

    Türkçe

    Türkçe

    2012

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. YÜKSEL TERZİ

  2. Alzheimer hastalarında demans durumuna göre ağız bakım parametrelerinin hızlandırılmış başarısızlık zamanı modelinin Bayesci yaklaşımı ile tahminlenmesi: Bir simülasyonu uygulaması

    Bayesian accelerated failure time model estimation of oral care parameters associated with dementia status in alzheimer's patients : A simulation application

    ILGIN ASENA CEBECİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    BiyoistatistikMarmara Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. GÜLNAZ NURAL BEKİROĞLU

  3. Boylamsal ve sağ kalım verilerinin birleşik modellenmesi üzerine bir çalışma

    A study on joint modelling of longitudinal and survival data

    ZEYNEP ATLI

    Doktora

    Türkçe

    Türkçe

    2020

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. GÜLAY BAŞARIR

    PROF. DR. MİTHAT GÖNEN

  4. Bayesci otoregresif zaman serilerinde önsel dağılımların seçimi ve karşılaştırılması

    Selection and comparisons of prior distributions in Bayesian autoregressive time series

    MUSTAFA GAZİOĞULLARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ESİN KÖKSAL BABACAN

  5. Bayesci madde tepki kuramı modellerinde ölçme değişmezliğinin incelenmesi

    Examining measurement invariance in Bayesian item response theory models

    MERVE AYVALLI KARAGÖZ

    Doktora

    Türkçe

    Türkçe

    2023

    Eğitim ve ÖğretimHacettepe Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. HÜLYA KELECİOĞLU