Stochastické predikční metody v analýze přežití

Mgr. Kamila Holubová

Bachelor's thesis

Stochastic predictive methods in survival analysis

Anotácia:

Nejdůležitějším ukazatelem léčebné péče ve zdravotnictví je přežití pacientů, a to zejména pacientů s rakovinou. Přežitím pacientů se zabývá soubor biostatistických metod - analýza přežití. Ta umožňuje zobrazovat, hodnotit a srovnávat mortalitu sledovaných skupin pacientů. Analýza přežití tak není jen pouhým nástrojem pro prezentaci křivek, ale především pro hodnocení výsledků léčebné péče. Základem je přesná definice vstupní a koncové události. Jako vstupní, výchozí bod, tedy počátek studie můžeme označit například narození, začátek onemocnění či začátek léčby. Koncovou událostí pak může být úmrtí či progrese onemocnění. A právě dobu mezi těmito dvěma událostmi označujeme jako dobu přežití a snažíme se ji hodnotit pomocí širokého spektra metod analýzy přežití. Přežití pacientů se většinou hodnotí retrospektivně. V populačním modelování je však velice důležitá taky predikce pravděpodobnosti přežití pro období budoucí, pro které nemáme k dispozici naměřené hodnoty. Má práce je zaměřena nejen na klasické metody v analýze přežití pro odhad pravděpodobnosti přežití, ale také právě na metody prediktivní, které nám umožňují z naměřených hodnot odhadnout hodnoty budoucí. Hlavním použitím těchto odhadů pravděpodobností přežití je následná predikce počtu žijících osob s historií sledovaného onemocnění, tedy pacientů diagnostikovaných v minulosti a žijících s nádorovým onemocněním. Cílem této práce je tedy rešerše dostupných metod používaných pro hodnocení přežití v populační epidemiologii a srovnání těchto metod. Dále pak rešerše metod použitelných pro predikci hodnot spojitých proměnných.

Abstract:

One of the most important measures of the quality of medical care is the survival of patients, which is especially true for patients with cancer. This topic, survival of patients, is often being assessed with a set of biostatistical methods called survival analysis. These methods enable visualization, evaluation and comparison of mortality in time of the monitored groups of patients. Survival analysis methods are therefore useful not only for implementation or presentation of survival curves, but mainly serves for assessment and comparison of medical care results. The key point of proper survival analysis is exact definition of the input and output events. As an example of the initial point of study we can mention birth, date of diagnosis or beginning of a treatment. On the other hand, death or progression of the disease could be mentioned as examples of the ending point. Survival time is then the time between these pre-defined points. The patient survival is most often evaluated retrospectively. However, prediction of survival probability for future period is also very important in population modeling when no measured values are available. My work focuses on classical methods for patient survival assessment and for the estimation of survival probability, but also on methods useful for stochastic modeling and prediction of future values based on already measured values. Main use of these survival probability predictions would be the estimates of prevalence of cancer patients diagnosed in the past. Thus, the objective of this work is to make an overview and comparison of methods available and useful for population survival assessment as well as methods useful for prediction of survival probabilities.

Kľúčové slová

Klíčová slova, analýza přežití, funkce přežití, cenzorování, Kaplan-Meierův odhad, Life-table odhad, Lineární regrese, Lineární regresní model, Zobecněný lineární model, Exponenciální model Key words, Survival analysis, Survival function, Censoring, Kaplan-Meier estimator, Life-tables estimator, Linear regression, Linear regression model, Generalized linear model, exponential model

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 28. 5. 2008

Obhajoba závěrečné práce

• Obhajoba proběhla 10. 6. 2008
• Vedúci: RNDr. Tomáš Pavlík, Ph.D.

Masaryk University

Faculty of Science

Bachelor programme / odbor:
Biology / Mathematical Biology