Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Mathematik, Informatik und Statistik - Open Access LMU - Teil 01/03 Podcast
  4. Ein Mehr-Zustands-Mehr-Episoden-Modell in diskreter Zeit zur Analyse klinischer Studien unter Beruecksichtigung unbeobachteter Heterogenitaet
Die in der Theorie der Verweildaueranalyse ueberwiegenden
zeitstetigen Ansaetze gehen davon aus, dass keine Bindungen
existieren. Diese Voraussetzung ist in der Praxis jedoch
problematisch, so dass zeitdiskrete Ansaetze der Datensituation
besser angepasst sind. Im medizinischen Kontext steht zumeist die
Ueberlebenszeit von Patienten im Mittelpunkt. Neben diesem Ereignis
koennen jedoch andere sich gegenseitig ausschliessende
Ereignisse/Zustaende (competing risks) in verschiedenen Episoden,
wie etwa der Gesundheitszustand im Krankheitsverlauf, von Interesse
sein. In der vorliegenden Arbeit wird ein zeitdiskreter
parametrischer Ansatz zur Analyse von competing risks fuer
Mehr-Episoden-Modellen vorgestellt. Angelehnt an die Theorie der
generalisierten linearen Modelle wird ein
Multinomiales-Logit-Modell zur Modellierung der Hazardrate
verwendet. Fuer die neben den beobachteten Einflussgroessen
bestehende unbeobachtete Heterogenitaet wird eine
Normalverteilungsannahme getroffen. Die
Maximum-Likelihood-Schaetzung wird mittels des
Newton-Raphson-Verfahrens durchgefuehrt, die noetige
Integralapproximation erfolgt ueber die
Gauss-Hermite-Quadraturtechnik. Mit der vorgestellten Methode
werden Daten von 476 Patienten einer Hirntumorstudie ausgewertet.
Episode melden

„Ein Mehr-Zustands-Mehr-Episoden-Modell in diskreter Zeit zur Analyse klinischer Studien unter Beruecksichtigung unbeobachteter Heterogenitaet“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz