عنوان پایان‌نامه

تحلیل بقا در بیماری سرطان با استفاده از فرایندهای تصادفی



    دانشجو در تاریخ ۰۸ تیر ۱۳۹۰ ، به راهنمایی ، پایان نامه با عنوان "تحلیل بقا در بیماری سرطان با استفاده از فرایندهای تصادفی" را دفاع نموده است.


    رشته تحصیلی
    آمار
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه پردیس علوم شماره ثبت: ‎۴۴۹۱;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 49057
    تاریخ دفاع
    ۰۸ تیر ۱۳۹۰
    دانشجو
    محمد اسکندریان
    استاد راهنما
    فیروزه حقیقی, سودابه شمه سوار
    چکیده
    لینک فایل چکیده
    مدل‌‌های مارکف، کاربرد گسترده‌‌ای در مطالعه سابقه‌‌ی پیشامدها، مخصوصاً در تحلیل داده‌‌های زیست‌پزشکی دارد. در این پژوهش، یک فرایند مارکف زمان پیوسته سه حالته (حالت اولیه بعد از جراحی، عود بیماری و مرگ) برای مجموعه‌‌ای از 350 داده‌‌ی سرطان پستان بکار رفته است. بیماران بعد از عمل جراحی از ترکیبی از سه درمان: پرتودرمانی، هورمون‌‌درمانی و شیمی‌‌درمانی استفاده کرده‌‌اند و درمان‌‌ها به عنوان سه متغیر کمکی در مدل معرفی شده است. اثر این درمان‌‌ها بر عود بیماری و بقای بیمار در محاسبه ماتریس شدت انتقال مدل استفاده شده است و بر این اساس تابع درستنمایی برای داده‌‌ها ساخته شده و پارامترهای مدل براورد گردیده است. تمام مراحل برازش مدل توضیح داده شده و منحنی بقای به‌‌دست آمده از مدل برای گروه‌‌های مختلف درمانی رسم شده و با منحنی بقای تجربی متناظر، مقایسه گردیده است. کلید واژه‌‌ها: فرایند مارکف، سرطان، براورد ماکزیمم درستنمایی، ماتریس شدت انتقال، تابع بقا، متغیر کمکی، R.
    Abstract
    Markov models have a wide application in event history especially in analysis of biomedical data. In this study a three state continuous time Markov process has been applied to a set of 350 breast cancer data, (no relapse, relapse, and death). After surgery patients have got different treatments such as Chemotherapy, Radiotherapy, Hormonal therapy, and a combination of them. The treatments are introduced as three covariates in the model. The influence of treatments in relapse and survival times is considered in the model by means of transition intensity and based on it, the likelihood function is built from the data and the parameters have been estimated. All of the procedures have been explained and original computational programs are constructed using the R program. The transition probability function was calculated and survival curves which obtained from the model for different group of treatment, plotted and compared with the corresponding empirical ones. Key words: Markov process; Cancer; Maximum likelihood estimate; Transition intensity matrix; Survival function; Covariate; R.