Geri Dön

Boylamsal ve sağ kalım verilerinin birleşik modellenmesi üzerine bir çalışma

A study on joint modelling of longitudinal and survival data

  1. Tez No: 642058
  2. Yazar: ZEYNEP ATLI
  3. Danışmanlar: PROF. DR. GÜLAY BAŞARIR, PROF. DR. MİTHAT GÖNEN
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  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: 115

Özet

Son yıllarda, özellikle klinik çalışmalardaki gelişmeler birleşik modellemeye olan ilgiyi artmıştır. Birleşik model boylamsal alt model ve sağ kalım alt modeli olmak üzere iki alt modelden oluşmaktadır. Bu modelde parametre tahminleri genellikle olabilirlik fonksiyonunun maksimizasyonuna dayanan en çok olabilirlik (ML) yöntemi ile elde edilir. Birleşik olabilirlik fonksiyonu karmaşık yapıya sahiptir ve ML yöntemi ile parametre tahminlerinin elde edilebilmesi için olabilirlik fonksiyonundaki yüksek boyutlu integralin alınması gerekir. Olabilirlik fonksiyonundaki integralin kapalı formda çözümü yoktur ve bu integrale genellikle Gauss Hermite yaklaşımı, uyarlanabilir Gauss Hermite yaklaşımı, Laplace yaklaşımı ve Monte Carlo yöntemleri gibi sayısal yöntemlerle yakınsama sağlanır. Gauss Hermite kuralı ve uyarlamalı Gauss Hermite kuralı ile integrale yakınsama sağlamak kolaylık sağlasa da gözlem sayısı arttıkça bu yöntemlerle integrale yakınsama sağlamak işlem yükünü arttırdığından zorlaşmaktadır. Bu çalışmanın amacı birleşik modelde parametre tahminlerinde karşılaşılan hesaplama güçlüklerine çözüm aramaktır. Bu amaç doğrultusunda parametre tahminlerinde Bayesçi yöntemin kullanılması önerilmiştir. Bayesçi yöntemlerle parametre tahminlerinin elde edilebilmesi için parametrelerin sonsal dağılımından örneklemlerin üretilmesini sağlayan Markov Zinciri Monte Carlo (MCMC) yöntemlerinden Gibbs örneklemesi ve Metropolis-Hasting algoritmasından yararlanılmıştır. Uygulama bölümünde Tiroid veri seti kullanılmış ve birleşik modelde parametre tahminleri Bayesçi yöntemle elde edilmiştir. Ayrıca Bayesçi yöntemin ve klasik yöntemin tahmin performanslarının karşılaştırılması amacıyla simülasyon çalışması yapılmıştır.

Özet (Çeviri)

Joint modelling of longitudinal and time to event data have received more attention in conjunction with development in clinical studies. Joint model comprises of two submodel, longitudinal submodel and survival submodel. Parameter estimation obtain Maximum likelihood (ML) approach which based on maximization of likelihood function in joint modelling. Likelihood function has complex form and in order to obtain parameter estimation, high dimension integral needs to evaluate. In joint model, the integral has no closed form solution and convergence is usually achieved by numerical methods such as Gauss Hermite approach, adaptive Gauss Hermite approach and Monte Carlo methods. \ However, it is easy to approximate integral with Gauss Hermite and Laplace approximation when the integral dimension is low. Computation complexity increases when dimension of integral is high. The aim of this study is seek for solution to calculation complexity in parameter estimation. In accordance with this purpose, we propose Bayesian approach which helps with computational complexity. To obtain the model parameter estimation, we use Markov Chain Monte Carlo algorithm, which is combined with Gibbs sampling and Metropolis-Hasting algorithm. In application part thyroid data set is used and parameter estimation is obtained by Bayesian methods. In order to compare Bayesian and classical method, simulation study was designed.

Benzer Tezler

  1. 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

    EBRU TURGAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    BiyoistatistikAnkara Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    YRD. DOÇ. DR. BEYZA DOĞANAY ERDOĞAN

  2. Longitudinal and survival statistical methods with applications in renal medicine

    Böbek tıbbı uygulamaları ile boylamsal ve sağkalım istatistiksel yöntemler

    ÖZGÜR ASAR

    Doktora

    İngilizce

    İngilizce

    2015

    BiyoistatistikLancaster University

    Tıp Bilimleri Ana Bilim Dalı

    PROF. PETER JOHN DIGGLE

  3. 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

    Türkçe

    2024

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    PROF. DR. SONER DUMAN

  4. Atmosferik engellemenin türkiye üzerine etkileri: Klimatolojik analiz

    Influences of atmospheric blocking over turkey: Climatological analysis

    BAHTİYAR EFE

    Doktora

    İngilizce

    İngilizce

    2019

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ DENİZ

  5. 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

    Türkçe

    2024

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    DOÇ. DR. TİMUR KÖSE