|
| Συλλογές |
|
| Τίτλος |
Η ανάλυση επιβίωσης στις κλινικές μελέτες
|
| Δημιουργός |
Μπουντουβής, Νικόλαος
|
| Συντελεστής |
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Στατιστικής
|
| Τύπος |
Text
|
| Φυσική περιγραφή |
54σ.
|
| Γλώσσα |
el
|
| Περίληψη |
Οι κλινικές μελέτες είναι ελεγχόμενα πειράματα σε ανθρώπους για τη σύγκριση της αποτελεσματικότητας και της ασφάλειας διαφόρων ιατρικών παρεμβάσεων. Σε αρκετές μελέτες, η μεταβλητή έμμεσου ενδιαφέροντος είναι ο χρόνος που περνάει μέχρι την εμφάνιση ενός γεγονότος. Αυτό το γεγονός μπορεί να είναι μια εκ των προτέρων γνωστή ή απροσδόκητη ανεπιθύμητη ενέργεια, ή ακόμη και ο θάνατος, και για το λόγο αυτόν η ανάλυση αυτού του τύπου των δεδομένων αναφέρεται ως ανάλυση επιβίωσης. Αυτές οι μελέτες συχνά περιλαμβάνουν άτομα στα οποία δεν είχε εμφανιστεί το γεγονός τη στιγμή της ανάλυσης∙ μια παρατήρηση αυτού του τύπου ονομάζεται περικομμένη. Συχνά, επίσης, η επιβίωση σχετίζεται με έναν αριθμό προγνωστικών μεταβλητών. Οι μέθοδοι ανάλυσης πρέπει να είναι ικανές να αντιμετωπίσουν την ύπαρξη περικομμένων δεδομένων και να λάβουν υπόψη την κατανομή των υπό μελέτη προγνωστικών παραγόντων.Ένα παράδειγμα τέτοιας μελέτης είναι η κλινική δοκιμή μιας θεραπείας της διαβητικής νεφρικής νόσου. Στο κείμενο που ακολουθεί, θα συζητηθούν τα πρότυπα επιβίωσης και οι κατανομές τους, καθώς επίσης και η ερμηνεία προγνωστικών παραγόντων, με τη χρήση παραμετρικών και μη-παραμετρικών τεχνικών.
Clinical trials are controlled experiments to compare the efficacy and safety, for human subjects, of different medical interventions. In many studies, a variable of indirect interest is the length of time that elapses before some event occurs. This event may be any previously known or unforeseen adverse event, or even death, and for this reason the analysis of such data is often referred to as survival analysis. Such studies usually include individuals for whom the event has not occurred at the time of the analysis; an observation of this type is referred to as censored value. Often survival is related to a number of variables; these variables are prognostic. Methods of analysis must be able to cope with censored data and take account of the distribution of prognostic variables under study. An example of such a study is a clinical trial for the treatment of diabetic kidney disease. In the following text, survival patterns and their distributions, as well as identification of prognostic factors, will be discussed using parametric and non-parametric techniques.
|
| Λέξη κλειδί |
Ανάλυση επιβίωσης
Κλινικές μελέτες
Περικομμένα δεδομένα
Survival analysis
Clinical trials
Censored data
|
| Ημερομηνία |
28-02-2010
|
| Άδεια χρήσης |
https://creativecommons.org/licenses/by/4.0/
|