dc.contributor.author | Παναγιωτοπούλου, Μαριέλλα![]() |
el |
dc.contributor.author | Panagiotopoulou, Mariella![]() |
en |
dc.date.accessioned | 2017-08-22T09:44:22Z | |
dc.date.available | 2017-08-22T09:44:22Z | |
dc.date.issued | 2017-08-22 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/45408 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.6774 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Εφαρμοσμένες Μαθηματικές Επιστήμες” | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Μοντέλα ευπάθειας | el |
dc.subject | Ανάλυση Επιβίωσης | el |
dc.subject | Survival Analysis | en |
dc.subject | Frailty models | en |
dc.subject | Lymphoma | en |
dc.title | Μοντέλα Ευπάθειας με Εφαρμογή σε Δεδομένα σχετικά με τον Καρκίνο | el |
dc.title | Frailty Models with Application in Lymphoma data | en |
heal.type | masterThesis | |
heal.classification | ΙΑΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ | el |
heal.classificationURI | http://data.seab.gr/concepts/b973e4eb80bdcbcdcf80cb82c61a4bcd0034ab9c | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2017-02-28 | |
heal.abstract | Η Ανάλυση Επιβίωσης αποτελεί έναν κλάδο της Στατιστικής που ασχολείται αποκλειστικά με τη μελέτη και ανάλυση δεδομένων διάρκειας ζωής. Για την ανάλυση τέτοιου είδους δεδομένων έχουν αναπτυχθεί και εφαρμοστεί πολλές στατιστικές μέθοδοι οι οποίες συνεχώς εξελίσσονται τα τελευταία χρόνια. Στην παρούσα εργασία γίνεται αρχικά αναφορά στις βασικές έννοιες της Ανάλυσης Επιβίωσης, καθώς και σε κάποιες βασικές κατανομές, που χρησιμοποιούνται για να περιγράψουν δεδομένα χρόνων επιβίωσης. Αναφέρονται οι βασικές ιδιότητες των εν λόγω κατανομών και απεικονίζονται γραφικά οι συναρτήσεις επιβίωσης και κινδύνου για κάθε μία από αυτές. Εν συνεχεία, αναφέρεται η θεωρητική προσέγγιση των μη παραμετρικών μεθόδων εκτίμησης των συναρτήσεων επιβίωσης και κινδύνου, Kaplan-Meier και Nelson-Aalen, αντίστοιχα. Επίσης, αναλύεται η μεθοδολογία του μοντέλου αναλόγων κινδύνων του Cox, καθώς και κάποιες βασικές τεχνικές για τον έλεγχο της προσαρμογής του μοντέλου. Επίσης, παρουσιάζεται μία εναλλακτική επιλογή μοντέλου για την ανάλυση δεδομένων επιβίωσης, το μοντέλο επιταχυνόμενου χρόνου αποτυχίας. Επιπλέον, παρουσιάζονται αναλυτικά τα μοντέλα ευπάθειας, τα οποία αποτελούν μία γενίκευση του μοντέλου αναλόγων κινδύνων του Cox, το οποίο είναι το πιο ευρέως διαδεδομένο μοντέλο παλινδρόμησης στην ανάλυση επιβίωσης, εισάγοντας έναν παράγοντα των τυχαίων επιδράσεων (random effects) ως μία τυχαία μεταβλητή για τον χειρισμό της αλληλεπίδρασης μεταξύ των επεξηγηματικών μεταβλητών, που δεν έχει ληφθεί υπόψη στο μοντέλο, αλλά και της πιθανής μη παρατηρούμενης ανομοιογένειας που χαρακτηρίζει τον πληθυσμό που εξετάζουμε. Αναλύονται παραμετρικά, αλλά και ημιπαραμετρικά μοντέλα ευπάθειας, καθώς και γενικεύσεις μοντέλων ευπάθειας για την περίπτωση των ομαδοποιημένων ή επαναλαμβανόμενων παρατηρήσεων. Η ανάλυση των μοντέλων ευπάθειας, αλλά και η ανάλυση των διαφορετικών προσεγγίσεων, παραμετρικά και μη παραμετρικά παρουσιάζονται χρησιμοποιώντας ένα σετ δεδομένων, τα δεδομένα για λέμφωμα τύπου Non-Hodgkin με τη βοήθεια του στατιστικού πακέτου R. | el |
heal.abstract | Survival analysis deals with the analysis and interpretation of lifetime data and covers a wide variety of applications. For the analysis of such data, several statistical methods have been developed and applied in recent years that are constantly evolving. In this dissertation, the basic ideas of the survival analysis and some useful distributions used to describe survival data are presented. In addition, the basic properties of these distributions and plots of the survival and hazard functions for each one of them are provided. Furthermore, the theoretical approach of non-parametric estimation methods of survival and cumulative hazard functions are presented using Kaplan-Meier and Nelson-Aalen estimators, respectively. Also, the methodology of the Cox proportional hazards model is presented, as well as some basic techniques for controlling the goodness-of-fit of the model. In addition, an alternative model is presented for analyzing survival data, the accelerated failure time model. Frailty models are presented in detail, which are a generalization of the Cox proportional hazards model which is broadly used in syrvival analysis to measure the effects of covariates. Frailty is included in the model as a random variable for handling the effect of the explanatory variables not taken into account in the model, but also in order to explain the possible heterogeneity that characterizes the population under examination. Parametric and semiparametric frailty models are examined as well as generalizations of frailty models for the case of grouped or repeated observations. The methods and the different approaches we presented, parametric, nonparametric and semiparametric are then illustrated by a real data set related to the Non-Hodgkin type lymphoma using the statistical package R. | en |
heal.advisorName | Βόντα, Φιλία | el |
heal.committeeMemberName | Κουκουβίνος, Χρήστος | el |
heal.committeeMemberName | Καρώνη, Χρυσηίς | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 103 σ. | el |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: