عنوان پایان‌نامه
روش شناسی مدل های روندنگار برای فرآیندهای نیم مارکف
- رشته تحصیلی
- آمار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63135
- تاریخ دفاع
- ۲۶ بهمن ۱۳۹۲
- دانشجو
- ملیحه گروسی ها
- استاد راهنما
- سودابه شمه سوار
- چکیده
- مدل‌های روندنگار، تکنیک گرافیکی برای توصیف بیماری‌های پیشرونده در زمان می‌باشند. این بیماری‌ها را می‌توانند توسط فرآیند تصادفی با ویژگی نیم‌مارکفی در مطالعات بقا، مدل‌بندی شده و سپس تجزیه و تحلیل شوند. در حقیقت روندنگارها شاخه‌ای از مدل‌های چندحالته می‌باشند که آنالیز متفاوت آنها، سبب گسترششان از فرآیندهای نیم‌مارکف شده است. مهم‌ترین هدف در آنالیز روندنگارها بدست آوردن توزیع زمان شکست در حضور داده‌های سانسور شده و ناکامل می‌باشد. در این پایان‌نامه ابتدا آنالیز مدل‌های روندنگار بررسی شده است و سپس به عنوان نمونه‌ای از مدل‌های روندنگار، فرآیند نیم‌مارکفی سه حالته (حالت اول تشخیص سرطان، حالت دوم متاستاز و حالت سوم مرگ) به مجموعه‌ا ی از 489 داده‌ی بیماری سرطان پستان که در سال‌های 76 تا 86 توسط انستیتوی سرطان پستان جهاد دانشگاهی دانشگاه تهران جمع آوری شده است برازش داده شده است. روندنگار سرطان پستان با دو تکنیک بیزی و کلاسیک آنالیز شده است و توزیع زمان تا مرگ برای بیماران و نیز میانگین زمان بقا پس از تشخیص سرطان برآورد شده است. واژگان کلیدی. فرآیندهای نیم‌مارکفی، مدل‌های روندنگار، آنالیز بقا، تقریب نقطه‌ی زینی، پیشگویی بیزی، سرطان، برآورد ماکسیمم درستنمایی.
- Abstract
- Flowgraph models are graphical methods to describe progressive disease during time. These diseases can be modeled with stochastic process utilizing semi-Markov property in survival model. In fact flowgraph are a branch of multistate models in which their different analysis lead to their extension from Markov process to semi-Markov process. Major purpose of flowgraphs analysis is to find the failure time distribution in the presence of censored and incomplete data. In this thesis, flowgraph models are being initially investigated and as a sample of flowgraph models, three-states semi-Markov process (1st state diagnostic of cancer, 2nd state metastasis and 3rd state death ) is fitted to 489 breast cancer disease data which have been collected in Jahad Daneshgahi’s institute of Breast Cancer Research (associated to Tehran university) from 1376 to 1386. Breast cancer flowgraph models are analyzed using Bayesian and classical methods and an estimation of time distribution until death for patients and survival mean time after diagnosis of cancer is performed. Keywords: Survival analysis, Semi-Markov process, Saddlepoint approximation, Flowgraph models, Baysian prediction, Cancer, Maximum liklihood estimation.
