Boylamsal ve sağ kalım verilerinin birleşik modellenmesi üzerine bir çalışma
A study on joint modelling of longitudinal and survival data
- Tez No: 642058
- Danışmanlar: PROF. DR. GÜLAY BAŞARIR, PROF. DR. MİTHAT GÖNEN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- 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
- 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
2016
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
YRD. DOÇ. DR. BEYZA DOĞANAY ERDOĞAN
- 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
- 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
- Atmosferik engellemenin türkiye üzerine etkileri: Klimatolojik analiz
Influences of atmospheric blocking over turkey: Climatological analysis
BAHTİYAR EFE
Doktora
İngilizce
2019
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ
- 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