Sağkalım verileri ile boylamsal verilerin birleşik modellenmesi ve sağlık alanına bir uygulama
Joint modeling of survival and longitudinal non-survival data with an application to medical data
- Tez No: 453907
- Danışmanlar: YRD. DOÇ. DR. BEYZA DOĞANAY ERDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Birleşik Modelleme, Boylamsal Veri Analizi, Karışık Etki, Rastgele Etki, Sağkalım Analizi, Joint Modeling, Longitudinal Data Analysis, Mixed Effects, Random Effects, Survival Analysis
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Boylamsal veriler, aynı bireyden farklı zaman ya da koşullar altında tekrarlı olarak yapılan gözlem ya da ölçümler sonucu elde edilen verileri temsil eder. Sağkalım verileri ise belli bir izlem süresi boyunca ilgilenilen olayı (ölüm, hastalığın nüks etmesi, organ nakli olması, vb.) ve görülme zamanını kapsar. Geleneksel olarak aynı çalışma kapsamında toplanan bu iki tip veri farklı istatistiksel yöntemler kullanılarak incelenir. Ancak son zamanda bu iki farklı veri tipinin birlikte modellenmesi üzerinde çalışmalar yapılmaktadır. Toplanan bu tip verilerinden doğru sonuçlar elde edebilmek için birleşik modelleme yönteminin kullanılması gerekliliği yapılan çalışmalar sonucu ortaya konmuştur. Bu tez çalışmasında, boylamsal veriler ile sağkalım verilerinin birleşik modellenmesi üzerine geliştirilen yöntemler incelenecek, sağlık alanından bir veri seti üzerinde birleşik modelleme yöntemi uygulanarak, modelin veriye uyumu test edilerek veriye en uygun birleşik model seçimi yapılmıştır. Ayrıca aynı veri setindeki sağkalım verisi sağkalım analizi ile, boylamsal veri kısmı da boylamsal veri analizi ile ayrı ayrı modellenmiştir. Hem birleşik modelden, hem de ayrı ayrı modellemeden elde edilen sonuçlar yorumlanmıştır. Veri analizi için açık kaynak kodlu R yazılımı kullanılmıştır.
Özet (Çeviri)
A longitudinal study refers to an investigation where observations or measurements are collected at multiple follow-up times. Survival data includes events (death, recurrence of a disease or transplantation etc.) for a certain follow-up period and the survival time. Traditionally, these two data types collected for the same study purpose are analyzed with different statistical methods. However, recently these two different types of data are being studied modeling with jointly. To obtain accurate results from these kinds of data, further studies showed the necessity of joint modeling. In this thesis, the methods developed for modeling survival and longitudinal data jointly were examined and, joint modeling techniques were applied to a medical data. After testing whether the model fits the data well, most appropriate joint model was selected. Also, for the same data set, survival data will be modeled with survival analysis and longitudinal data was modeled with longitudinal data analysis separately. Both the results obtained from the joint model and the results obtained from separately modeled before were reviewed. For data analysis, open source R software will be used.
Benzer Tezler
- Çoklu boylamsal ölçümler ile sağkalım verilerinin birleşik modellemesi ve renal transplantasyon verilerine uygulanması
Joint modelling of multiple longitudinal measurements and survival data: An application to renal transplantation data
SEMİHA ÖZGÜL
Doktora
Türkçe
2024
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. SONER DUMAN
- Longitudinal and survival statistical methods with applications in renal medicine
Böbek tıbbı uygulamaları ile boylamsal ve sağkalım istatistiksel yöntemler
ÖZGÜR ASAR
Doktora
İngilizce
2015
BiyoistatistikLancaster UniversityTıp Bilimleri Ana Bilim Dalı
PROF. PETER JOHN DIGGLE
- Yarışan risklerin varlığında zamana-bağlı kovaryete sahip sağkalım verilerinin analizinde kullanılan istatistiksel yöntemlerin değerlendirilmesi
Evaluation of statistical methods used in the analysis of survival data with time-dependent covariates in the presence of competing risks
ÖMER FARUK DADAŞ
Doktora
Türkçe
2024
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. TİMUR KÖSE
- Zamana bağlı roc analizi ve sağlık alanında uygulamaları
Time-dependent roc analysis and applications in the field of medicine
CEREN EFE
Yüksek Lisans
Türkçe
2017
BiyoistatistikÇukurova ÜniversitesiBiyoistatistik Ana Bilim Dalı
YRD. DOÇ. DR. İLKER ÜNAL
- Uzunlamasına veriler ile sağkalım verilerinin birlikte modellenmesinde model performansının bilgi içeriği yaklaşımı ile değerlendirilmesi
Evaluating the model performance of joint modelling with survival and longitudinal data using mutual information
MERVE BAŞOL
Doktora
Türkçe
2021
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. AHMET ERGUN KARAAĞAOĞLU