Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/39491
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Γεραντίδου, Μαρία | el |
dc.contributor.author | Gerantidou, Maria | en |
dc.date.accessioned | 2025-10-09T12:41:43Z | - |
dc.date.available | 2025-10-09T12:41:43Z | - |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/39491 | - |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.subject | Survival analysis | en |
dc.subject | Cox proportional hazards model | en |
dc.subject | Extended Cox model | en |
dc.subject | Parametric accelerated failure time A.F.T. model | en |
dc.subject | Βiostatistics | en |
dc.title | Μέθοδοι ανάλυσης δεδομένων στην ανάλυση επιβίωσης και τη βιοστατιστική | el |
dc.title | Statistical techniques for data analysis in survival analysis and biostatistics | en |
dc.type | masterThesis | - |
heal.type | masterThesis | el |
heal.type.en | Master thesis | en |
heal.type.el | Μεταπτυχιακή εργασία | el |
heal.dateAvailable | 2025-10-09T12:42:43Z | - |
heal.language | el | el |
heal.access | free | el |
heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών | el |
heal.publicationDate | 2025-07 | - |
heal.abstract | Με σκοπό τη μοντελοποίηση του χρόνου μέχρι να συμβεί ένα γεγονός, το οποίο ορίζει και το κύριο ενδιαφέρον της εκάστοτε μελέτης, αναπτύσσονται τεχνικές που χρησιμοποιούνται ευρέως στην ανάλυση επιβίωσης και τη βιοστατιστική για δεδομένα χρόνου ζωής. Στο Κεφάλαιο 1 παρουσιάζονται βασικές έννοιες για την ανάλυση επιβίωσης, όπως είναι η συνάρτηση επιβίωσης, η συνάρτηση κινδύνου και η λογοκρισία, καθώς και τα δεδομένα που θα χρησιμοποιηθούν στην παρούσα διατριβή. Στο Κεφάλαιο 2 αναπτύσσεται αναλυτικά το μοντέλο αναλογικών κινδύνων, παρατίθεται η έννοια της μεθόδου μερικής πιθανοφάνειας, βασικές στατιστικές ιδιότητες των εκτιμητών των παραμέτρων του μοντέλου και η έννοια του τεστ πηλίκου πιθανοφανειών (LRT). Παρουσιάζεται η εκτίμηση Kaplan-Meier της συνάρτησης επιβίωσης και το Log-rank τεστ για τη σύγκριση συναρτήσεων επιβίωσης μεταξύ ομάδων. Ακόμη, δίνεται έμφαση στον γραφικό έλεγχο της υπόθεσης της αναλογικότητας των κίνδυνων και παρουσιάζεται ένας τρόπος επίλυσης της παραβίασης της υπόθεσης της αναλογικότητας κινδύνων, η στρωματοποίηση. Παρουσιάζεται η έννοια του Hazard Ratio (HR), το κριτήριο AIC (Akaike’s information criterion) για την επιλογή μεταβλητών, ο έλεγχος καταλληλότητας του μοντέλου μέσω υπολοίπων, καθώς και παραδείγματα υλοποιημένα στην R. Στο Κεφάλαιο 3 παρουσιάζεται η επέκταση του μοντέλου του Cox, που εφαρμόζεται στην περίπτωση που λαμβάνονται υπόψη χρονικά εξαρτημένες μεταβλητές, δίνεται η ερμηνεία του Hazard Ratio (HR) για αυτήν την περίπτωση και κάποια παραδείγματα. Στο Κεφάλαιο 4 ορίζονται τα μοντέλα επιταχυνόμενου χρόνου αποτυχίας (Accelerated failure time, A.F.T.), δίνοντας έμφαση στο μοντέλο A.F.T. με κατανομή Weibull. Εξετάζεται αν το μοντέλο αναλογικών κινδύνων και το A.F.T. μοντέλο μπορούν να ταυτίζονται, αναφέρονται κάποιοι τρόποι για την αναζήτηση του κατάλληλου μοντέλου και την αξιολόγηση του και τέλος δίνεται ένα παράδειγμα στο οποίο παρουσιάζεται η διαδικασία που ακολουθείται για την επιλογή μεταξύ μοντέλου αναλογικών κινδύνων και μοντέλου επιταχυνόμενου χρόνου αποτυχίας. | el |
heal.abstract | In order to analyse the time until an event occurs −which defines the main focus of the study− techniques that are widely used in survival analysis and biostatistics for time-to-event data are presented. Chapter 1 introduces fundamental concepts of survival analysis, such as the survival function, the hazard function and censoring, along with the data that will be used in this thesis. Chapter 2 provides a detailed discussion of the proportional hazards model, introducing the concept of the partial likelihood method, key statistical properties of the model’s parameter estimators, and the Likelihood Ratio Test (LRT). The Kaplan–Meier estimator of the survival function is presented, along with the log-rank test for comparing survival curves between groups. Significant focus is devoted to the graphical assessment of the proportional hazards assumption, and a method to address violations of this assumption—stratification—is presented. The chapter also introduces the concept of the Hazard Ratio (HR), the Akaike Information Criterion (AIC) for variable selection, model adequacy assessment using residuals, and includes implementation examples in R. Chapter 3 presents the extension of the Cox model for situations involving time dependent covariates. It discusses the interpretation of the Hazard Ratio (HR) in this context and provides relevant examples. Chapter 4 introduces Accelerated Failure Time (A.F.T.) models, with particular emphasis on the Weibull A.F.T. model. It investigates whether the proportional hazards model and the A.F.T. model can coincide, outlines methods for selecting the appropriate model and assessing its performance, and provides an example that illustrates the selection process between the proportional hazards model and the accelerated failure time model. | en |
heal.advisorName | Μπάγκαβος, Δημήτριος | el |
heal.committeeMemberName | Μπάγκαβος, Δημήτριος | el |
heal.committeeMemberName | Μπατσίδης, Απόστολος | el |
heal.committeeMemberName | Νικολακόπουλος, Σταύρος | el |
heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μαθηματικών | el |
heal.academicPublisherID | uoi | el |
heal.numberOfPages | 153 σ. | el |
heal.fullTextAvailability | true | - |
Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΜΑΘ |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Μ.Ε. Γεραντίδου Μαρία (2025).pdf | 1.89 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License