BASE DE L'INFÉRENCE STATISTIQUE

Auteur: MEIRA MACHADO LUÍS FILIPE.
Année: 2005.
Université: SANTIAGO DE COMPOSTELA [www.usc.es].
Lieu de l'exposition: FACULTADE DE MATEMÁTICAS.
Lieu de préparation: FACULTADE DE MATEMATICAS.

Résumé: La progression d'une certaine maladie peut être décrite par les modèles à plusieurs estado. Ces modèles peuvent être considérés comme une généralisation du processus de survie, où plusieurs événements (intermédiaires) survenir consécutivement dans le temps. Dans ce contexte, certaines questions d'intérêt comprennent: l'estimation des taux progresi6n, evaluacl6n les effets des facteurs de risques individuels ou les prévisions de taux de survie. L'influence de ces événements dans la survie intermédiaire est généralement analysé par Cox modèle de régression. Cette thèse contient un examen complet des modèles multiples estado plus courante pour étudier la progression de la maladie. Nous discutons les différences entre ces modèles et le modèle regresi6n Cox, en soulignant les avantages et les inconvénients de chaque méthode. La version révisée des méthodes sont illustrées à l'aide des données de transplantation cardiaque à l'université de Stanford, fournissant un gula sur l'utilisation de ces metodologlas pour l'étude de la progression de la maladie. Un atenci6n particulière devrait être accordée lorsque l'on s'intéresse à l'évaluation de l'effet d'une co-variable. Le Cox proporciona-lhe estimaciones constante modèle de l'effet de la covariable sur la période estudio. - - Para evitar ce problème utilizan métodos - Ae lissage Spline (P - cannelures). En outre, ces méthodes sont introduites cannelures modélisation multiples estado de déterminer les éventuels effets non linéaires de covariables dans les intensités de transition. L'utilisation de ces méthodes dans les modèles mutti - estado est nouvelle. Pour illustrer les avantages potentiels de l'utilisation de modèles multiples estado, plusieurs études ont été menées de simulation. Grâce à ces études, explique pourquoi le modèle de Cox peut ne pas être appropriée (avec disque) lorsqu'il est utilisé en présence de covariables dépendant du temps. Traditionnellement, les méthodes statistiques pour analyser les modèles multiples estado dépendra du budget de Markov. En vertu de la propriété de Markov, intensid des de transition dépendra de l'heure et de l'état actuellement occupés mais pas dépendre du fait que le patient l'histoire (le temps passé dans l'état actuel, l'heure de la transition d'un état à un autre, et ainsi de suite .). Ignorant l'histoire de la maladie, ces modèles peuvent présenter de graves limitations, Devando alors une mauvaise spécification. Une autre approche consiste à utiliser le budget de Markov semi-arides, où l'avenir du processus ne dépend pas sur l'heure actuelle, si elle n'est pas juste pour la durée dans l'état actuel. Dans cette thèse est révisé Cox modèle semi Markov et propose une nouvelle approche ne Markoviano, qui permet à l'intensité de la transition peut dépendre non seulement sur l'heure actuelle, mais aussi du temps transici6n à son état actuel. La recherche sur les modèles sans Markovianos a deux objectifs principaux. Le premier objectif est desarroHar une nouvelle approche basée sur les budgets moins restrictives que celles fondées sur la propriété de Markov. Le deuxième objectif est de comparer les estimateurs développés aqur pour la probabilité de transition estimations Aalen - Johansen (survenant dans le cadre du budget de Markov). Une importante limite à l'application des modèles multiples estado est la disponibilité limitée de logiciels "conviviaux" pour ces modèles. La majorité des logiciels disponibles présente des défis et des contraintes dans la pratique. Pour toutes eRo, un programme a été élaboré dans la R lIamado tdc.surv, qui peut être utilisé pour ajuster un simple et compact le plus grand des modèles étudiés. Les avantages de ce logiciel comporter les mêmes données d'entrée pour s'adapter aux différents modèles, en fournissant les résultats numériques et graphiques collaboration 8 rrespond 33e trou. De cette façon, les utilisateurs peuvent analyser les résultats proposés dans le cadre de différents modèles, comparar1os entre sp et prendre des décisions.