|
|
Survival analysis with STATISTICA
Kaderjáková, Zuzana ; Hudecová, Šárka (vedoucí práce) ; Hurt, Jan (oponent)
Analýza prežitia je samostatnou štatistickou oblasťou, ktorá našla uplatnenie v mnohých odboroch. Táto bakalárska práca sa zaoberá výkladom základných pojmov, princípov a ďalej metód, ktoré sa používajú, a ktoré sú implementované v softvére STATISTICA. Venuje sa cenzorovaniu a možnostiam charakterizácie rozdelenia času prežitia. Uvádza Kaplan-Meierovu metódu odhadu funkcie prežitia a taktiež metódu tabuliek úmrtnosti. Neskôr pojednáva o základných možnostiach porovnania rozdelení času prežitia v dvoch skupinách a ich vhodnosti pre rôzne situácie. V práci sa ďalej zaoberáme možnosťami aplikácie metód analýzy prežitia vo finančnom sektore, kde uvádzame Coxov model proporcionálnych rizík. V závere práce aplikujeme teoretické vedomosti na reálnu skupinu dát.
|
|
|
Výsledky léčby u primárních mozkových nádorů
MRÁZKOVÁ, Tereza
Tato práce řeší problematiku prognózy pacientů s primárním tumorem mozku. Práce obsahuje zpracování, shrnutí základních informací o dané problematice, vyhodnocení doby přežití pacientů s primárním tumorem mozku a následné porovnání výsledků s literaturou. Hypotéza tvrdí, že výsledky získané z pracoviště jsou srovnatelné s literaturou. Data o pacientech byla sebrána z chorobopisů Onkologického oddělení, Nemocnice České Budějovice, a.s. Sběr dat byl zaměřen na pohlaví, věk, lokalizaci, histologii, WHO staging, typ léčby, datum zahájení léčby a aktuální stav. Jednalo se o 116 pacientů, kteří v časovém rozmezí let 2011 až 2015 přišli na Onkologické oddělení, Nemocnice České Budějovice, a.s. k zahájení léčby. Ke zpracování souboru dat byl použit program Excel a ke zpracování doby přežití byla využita Kaplan - Meier analýza ve statistickém programu IBM SPSS Statistics. Doba přežití byla hodnocena z hlediska typu léčby (kombinace resekce a ozáření, kombinace resekce, ozáření a chemoterapie, paliativní léčba), histologie (astrocytom, oligodendrogliom, glioblastom multiforme), pohlaví a věku (mladší 50 let, starší 50 let). Medián přežití celé skupiny dle léčby byl 12 měsíců. Analýza přežití dle histologie a dle léčby (kombinace resekce, ozáření a chemoterapie) nebyla srovnatelná s literaturou. Zjištěné výsledky by měly posloužit k dalšímu zpracování studenty a zpětnou vazbu pro onkologické oddělení, protože hodnotí úspěšnost léčby pracoviště.
|
|
|
Survival analysis with STATISTICA
Kaderjáková, Zuzana ; Hudecová, Šárka (vedoucí práce) ; Hurt, Jan (oponent)
Analýza prežitia je samostatnou štatistickou oblasťou, ktorá našla uplatnenie v mnohých odboroch. Táto bakalárska práca sa zaoberá výkladom základných pojmov, princípov a ďalej metód, ktoré sa používajú, a ktoré sú implementované v softvére STATISTICA. Venuje sa cenzorovaniu a možnostiam charakterizácie rozdelenia času prežitia. Uvádza Kaplan-Meierovu metódu odhadu funkcie prežitia a taktiež metódu tabuliek úmrtnosti. Neskôr pojednáva o základných možnostiach porovnania rozdelení času prežitia v dvoch skupinách a ich vhodnosti pre rôzne situácie. V práci sa ďalej zaoberáme možnosťami aplikácie metód analýzy prežitia vo finančnom sektore, kde uvádzame Coxov model proporcionálnych rizík. V závere práce aplikujeme teoretické vedomosti na reálnu skupinu dát.
|
|
|
Introduction to Survival Analysis
Valenta, Zdeněk
Survival analysis is concerned with analyzing time-to-event data where the event of interest usually represents some type of “failure”. In clinical medicine, the event of interest may be e.g. death of a patient from well specified causes, autoimmune rejection of the graft by the transplant recipient or other type of graft failure in transplant studies. In certain situations, however, the true survival outcomes may not be observable, because we have observed a so called “censoring event” which prevented the event of interest from occurring. Such censoring event may represent, for instance, loss of a particular subject from follow-up, occurrence of administrative censoring, which typically takes place in clinical trials, or we may indeed observe other type of “failure”, e.g. death from fatal injuries rather than from cardiovascular causes which were of primary interest in a particular clinical trial. In this article we will stress the importance of a key assumption relating censoring process to survival outcomes and review principle univariate survival analysis methods for uncorrelated data. We will review popular models for analyzing univariate survival data, many of which enable us quantifying effect the prognostic variables independently exert on survival outcomes. Model examples will cover the classes of non-parametric, parametric and semi-parametric methods. We will also review underlying assumptions of individual models and stress the importance of using appropriate models in analyzing univariate time-to-event data.
|
host ::
RSS.