Dergiler / Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2020 / Cilt: 24 - Sayı: 2

Aralıklı Sansürlü Veriler için Sağkalım Modelleri

Survival Models with Interval Censored Data

Sayfa
267–280
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada aralıklı sansürlü veriler için sağkalım modelleri incelenmiş ve literatürde yer alan Primer Biliyer Siroz verisi hem aralıklı sansürlü hem de sağdan sansürlü olarak ele alınarak analiz edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Sansürleme, sağkalım analizi diğer istatistiksel yöntemlerden ayıran en önemli özelliktir.
📊
Temel Bulgular & Veri:Sansürleme türleri ise sağdan, soldan ve aralıklı sansürleme olarak sınıflandırılmaktadır.
💡
Sonuç & Katkı:Bu çalışmada aralıklı sansürlü veriler için sağkalım modelleri incelenmiş ve literatürde yer alan Primer Biliyer Siroz verisi hem aralıklı sansürlü hem de sağdan sansürlü olarak ele alınarak analiz edilmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Aralıklı sansürlü · Cox regresyon modeli · Hızlandırılmış başarısızlık süresi modeli

Özet

Sansürleme, sağkalım analizi diğer istatistiksel yöntemlerden ayıran en önemli özelliktir. Sansürleme türleri ise sağdan, soldan ve aralıklı sansürleme olarak sınıflandırılmaktadır. Sağkalım analizinde kullanılan modellerin çoğu gözlemlerin sağdan sansürlü olduğu veri kümeleri için geliştirilmiştir. Aralıklı sansürlü veriler ile ilgili çalışmalar da son yıllarda hız kazanmıştır. Birimin başarısızlık süresi belli bir aralıkta gerçekleşiyorsa aralıklı sansürlü gözlemler söz konusudur. Bu veriler genellikle, ilgilenilen gözlemlerin sürekli izlenemediği durumda oluşur. Sadece ilgilenilen olayın iki gözlem periyodu arasında meydana geldiği bilinmektedir. sağkalım çözümlemesinde yaygın olarak kullanılan Cox regresyon modeli ve parametrik sağkalım modelleri aralıklı sansürlü veriler için de geliştirilmiştir. Bu çalışmada aralıklı sansürlü veriler için sağkalım modelleri incelenmiş ve literatürde yer alan Primer Biliyer Siroz verisi hem aralıklı sansürlü hem de sağdan sansürlü olarak ele alınarak analiz edilmiştir.

Abstract

Censoring is the most important feature that distinguishes survival analysis from other statistical methods. The types of censoring are classified as right, left and interval censoring. Most of the models used in survival analysis were developed for data sets in which observations were right censored. Studies on interval censoring gains speed in recent years. If the failure time of the unit occurs within a certain range, there are interval censored observations. These data usually occur when observations of interest are not constantly monitored. It is only known that the event of interest takes place between two observation periods. Cox regression model and parametric survival models used commonly in survival analysis have been developed for interval censored data. In this study, survival models for interval censored data are examined and primary biliary cirrhosis data is analyzed both for right censored and interval censored data structure.

🔖

Bu Makaleye Atıf Yap

ERÖZ, İ., TUTKUN, N. A. (2020). Aralıklı Sansürlü Veriler için Sağkalım Modelleri. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 24 - Sayı: 2, 267–280. https://ajindex.com/articles/309827

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Barlow, R. E., Proschan, F. 1975. Importance of System Components and Fault Tree Events. Stochastic Processes and their Applications, 3(2), 153-173
  2. Cox, D. R. 1972. Regression Models and Life-Tables. Journal of the Royal Statistical Society, Series B, 34(2), 187-220
  3. Finkelstein, D. M., Wolfe, R. A. 1985. A Semiparametric Model for Regression Analysis of Interval-Censored Failure Time Data. Biometrics, 41(4), 993-945
  4. Finkelstein, D. M. 1986. A Proportional Hazards Model for Interval-Censored Failure Time Data. Biometrics, 42(4), 845-854
  5. Huang, J., Wellner, J. A. 1995. Asymptotic Normality of The NPMLE of Linear Functionals for Interval Censored Data, Case 1. Statistica Neerlandica, 49(2), 153-163
  6. Huang, J. 1996. Efficient Estimation for the Proportional Hazards Model with Interval Censoring. The Annals of Statistics, 24(2), 540-568
  7. Satten, G. A. 1996. Rank-based Inference in the Proportional Hazards Model for Interval Censored Data. Biometrika, 83(2), 355-370
  8. Younes, N., Lachin, J. 1997. Linked-based Models for Survival Data with Interval and Continuous Time Censoring. Biometrics, 53(4), 1199-1211
  9. Huang, J., Rossini, A. J. 1997. Sieve Estimation for The Proportional Odds Failure-Time Regression Model With İnterval Censoring. Journal of the American Statistical Association, 92:439, 960-967
  10. Goggins, W. B., Finkelstein, D. M., Schoenfeld, D. A., Zaslavsky, A. M. 1998. A Markov Chain Monte Carlo EM Algorithm for Analyzing İnterval Censored Data Under The Cox Proportional Hazards Model. Biometrics, 54(4),1498-507
  11. Geskus, R., Groeneboom, P. 1999. Asymptotically Optimal Estimation of Smooth Functionals for Interval Censoring, Case 2. The Annals of Statistics, 27(2), 627-674
  12. Pan, W. 2000. A Multiple Imputation Approach to Cox Regression with Interval-Censored Data. Biometrics, 56(1), 199-203
  13. Xue, H., Lam, K. F., Cowling, B. J., de Wolf, F. 2006. Semi-parametric Accelerated Failure Time Regression Analysis with Application to Interval-Censored HIV/AIDS data. Statistics in Medicine, 25(22), 3850-3863
  14. Zeng, D., Cai, J., Shen, Y. 2006. Semiparametric Additive Risks Model for Interval-Censored Data. Statistica Sinica, 16, 287-302
  15. Banerjee, M., Sen, B. 2007. A Pseudolikelihood Method for Analyzing Interval Censored data. Biometrika, 94(1), 71-86
  16. Heller, G. 2011. Proportional Hazards Regression with Interval Censored Data Using An Inverse Probability Weight. Lifetime Data Analysis, 17(3)