Survival Analysis with Correlated Endpoints / Emura, Takeshi  

Público ISBD Ningún comentario para este registro. Título : Survival Analysis with Correlated Endpoints : Joint Frailty-Copula Models Tipo de documento: documento electrónico Autores: Emura, Takeshi, Autor ; Matsui, Shigeyuki, Autor ; Rondeau, Virginie, Autor Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2019 Número de páginas: XVII, 118 p. 29 ilustraciones, 19 ilustraciones en color. ISBN/ISSN/DL: 978-981-1335167-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Ciencias sociales  Estadísticas  Bioestadística  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas  Teoría y métodos estadísticos  Estadística en Ingeniería  Física  Informática  Química y Ciencias de la Tierra Índice Dewey: 57.015.195 Resumen: Este libro presenta a los lectores métodos estadísticos avanzados para analizar datos de supervivencia que involucran criterios de valoración correlacionados. En particular, describe métodos estadísticos para aplicar la regresión de Cox a dos criterios de valoración correlacionados teniendo en cuenta la dependencia entre los criterios de valoración con la ayuda de cópulas. Las ventajas prácticas de utilizar modelos basados ​​en cópulas en la investigación médica se explican a partir de estudios de casos. Además, el libro se centra en datos de supervivencia agrupados, especialmente datos que surgen de metanálisis y análisis multicéntricos. En consecuencia, los enfoques estadísticos presentados aquí emplean un término de fragilidad para los modelos de heterogeneidad. Esto lleva el modelo conjunto fragilidad-cópula, que incorpora un término de fragilidad y una cópula, a un modelo estadístico. El libro también analiza técnicas avanzadas para lidiar con expresiones genéticas de alta dimensión y desarrollar herramientas de predicción dinámica personalizadas bajo el modelo de cópula de fragilidad conjunta. Para ayudar a los lectores a aplicar los métodos estadísticos a datos del mundo real, el libro proporciona estudios de casos utilizando el paquete de software R original de los autores (disponible gratuitamente en CRAN). El énfasis está en los datos de supervivencia clínica, que incluyen el tiempo hasta la progresión del tumor y la supervivencia general, recopilados en pacientes con cáncer. Por lo tanto, el libro ofrece una guía de referencia esencial para los estadísticos médicos y proporciona a los investigadores herramientas estadísticas avanzadas e innovadoras. El libro también proporciona una introducción concisa a los modelos básicos de supervivencia multivariados. Nota de contenido: Chapter 1: Setting the scene.-1.1 Endpoints -- 1.2 Benefits of investigating correlated endpoints -- 1.3 Copulas and frailty: a brief history -- References -- Chapter 2: Introduction to survival analysis .-2.1 Endpoint and censoring -- 2.2 Kaplan-Meier estimator and survival function -- 2.3 Hazard function -- 2.4 Log-rank test for two-sample comparison -- 2.5 Cox regression -- 2.6 Example of Cox regression -- 2.7 Likelihood inference under non-informative censoring -- 2.8 Theoretical notes -- 2.9 Exercises -- References -- Chapter 3: The joint frailty-copula model for correlated endpoints -- 3.1 Introduction -- 3.2 Semi-competing risks data -- 3.3 Joint frailty-copula model -- 3.4 Penalized likelihood with splines -- 3.5 Case study: ovarian cancer data -- 3.6 Technical note 1: Numerical maximization of the penalized likelihood -- 3.7 Technical note 2: LCV and choice of and -- 3.8 Exercises -- References -- Chapter 4: High-dimensional covariates in the joint frailty-copula model -- 4.1 Introduction -- 4.2 Tukey's compound covariate -- 4.3 Univariate selection -- 4.4 Meta-analytic data with high-dimensional covariates -- 4.5 The joint model with compound covariates -- 4.6 The joint model with ridge or Lasso predictor -- 4.7 Prediction of patient-level survival function -- 4.8 Simulations -- 4.8.1 Simulation design -- 4.8.2 Simulation results -- 4.9 Case study: ovarian cancer data -- 4.9.1 Compound covariate -- 4.9.2 Fitting the joint frailty-copula mode -- 4.9.3 Patient-level survival function -- 4.10 Concluding remarks -- References -- Chapter 5: Dynamic prediction of time-to-death -- 5.1 Accurate prediction of survival -- 5.2 Framework of dynamic prediction -- 5.2.1 Conditional failure function given tumour progression -- 5.2.2 Conditional hazard function given tumour progression -- 5.3 Prediction formulas under the joint frailty-copula model -- 5.4 Estimating prediction formulas -- 5.5 Case study: ovarian cancer data -- 5.6 Discussions -- References -- Chapter 6: Future developments- 6.1 Analysis of recurrent events -- 6.2 Kendall's tau in meta-analysis -- 6.3 Validation of surrogate endpoints -- 6.4 Left-truncation -- 6.5 Interactions -- 6.6 Parametric failure time models -- 6.7 Compound covariate -- References -- Appendix A: Cubic spline bases -- Appendix B: R codes for the ovarian cancer data analysis -- B1. Using CXCL12 gene as a covariate -- B2. Using compound covariates (CCs) and residual tumour as covariates -- Appendix C: Derivation of prediction formulas. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Survival Analysis with Correlated Endpoints : Joint Frailty-Copula Models [documento electrónico] / Emura, Takeshi, Autor ; Matsui, Shigeyuki, Autor ; Rondeau, Virginie, Autor  . -  1 ed.  . - Singapore [Malasya] : Springer, 2019 . - XVII, 118 p. 29 ilustraciones, 19 ilustraciones en color. ISBN : 978-981-1335167-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Ciencias sociales  Estadísticas  Bioestadística  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas  Teoría y métodos estadísticos  Estadística en Ingeniería  Física  Informática  Química y Ciencias de la Tierra Índice Dewey: 57.015.195 Resumen: Este libro presenta a los lectores métodos estadísticos avanzados para analizar datos de supervivencia que involucran criterios de valoración correlacionados. En particular, describe métodos estadísticos para aplicar la regresión de Cox a dos criterios de valoración correlacionados teniendo en cuenta la dependencia entre los criterios de valoración con la ayuda de cópulas. Las ventajas prácticas de utilizar modelos basados ​​en cópulas en la investigación médica se explican a partir de estudios de casos. Además, el libro se centra en datos de supervivencia agrupados, especialmente datos que surgen de metanálisis y análisis multicéntricos. En consecuencia, los enfoques estadísticos presentados aquí emplean un término de fragilidad para los modelos de heterogeneidad. Esto lleva el modelo conjunto fragilidad-cópula, que incorpora un término de fragilidad y una cópula, a un modelo estadístico. El libro también analiza técnicas avanzadas para lidiar con expresiones genéticas de alta dimensión y desarrollar herramientas de predicción dinámica personalizadas bajo el modelo de cópula de fragilidad conjunta. Para ayudar a los lectores a aplicar los métodos estadísticos a datos del mundo real, el libro proporciona estudios de casos utilizando el paquete de software R original de los autores (disponible gratuitamente en CRAN). El énfasis está en los datos de supervivencia clínica, que incluyen el tiempo hasta la progresión del tumor y la supervivencia general, recopilados en pacientes con cáncer. Por lo tanto, el libro ofrece una guía de referencia esencial para los estadísticos médicos y proporciona a los investigadores herramientas estadísticas avanzadas e innovadoras. El libro también proporciona una introducción concisa a los modelos básicos de supervivencia multivariados. Nota de contenido: Chapter 1: Setting the scene.-1.1 Endpoints -- 1.2 Benefits of investigating correlated endpoints -- 1.3 Copulas and frailty: a brief history -- References -- Chapter 2: Introduction to survival analysis .-2.1 Endpoint and censoring -- 2.2 Kaplan-Meier estimator and survival function -- 2.3 Hazard function -- 2.4 Log-rank test for two-sample comparison -- 2.5 Cox regression -- 2.6 Example of Cox regression -- 2.7 Likelihood inference under non-informative censoring -- 2.8 Theoretical notes -- 2.9 Exercises -- References -- Chapter 3: The joint frailty-copula model for correlated endpoints -- 3.1 Introduction -- 3.2 Semi-competing risks data -- 3.3 Joint frailty-copula model -- 3.4 Penalized likelihood with splines -- 3.5 Case study: ovarian cancer data -- 3.6 Technical note 1: Numerical maximization of the penalized likelihood -- 3.7 Technical note 2: LCV and choice of and -- 3.8 Exercises -- References -- Chapter 4: High-dimensional covariates in the joint frailty-copula model -- 4.1 Introduction -- 4.2 Tukey's compound covariate -- 4.3 Univariate selection -- 4.4 Meta-analytic data with high-dimensional covariates -- 4.5 The joint model with compound covariates -- 4.6 The joint model with ridge or Lasso predictor -- 4.7 Prediction of patient-level survival function -- 4.8 Simulations -- 4.8.1 Simulation design -- 4.8.2 Simulation results -- 4.9 Case study: ovarian cancer data -- 4.9.1 Compound covariate -- 4.9.2 Fitting the joint frailty-copula mode -- 4.9.3 Patient-level survival function -- 4.10 Concluding remarks -- References -- Chapter 5: Dynamic prediction of time-to-death -- 5.1 Accurate prediction of survival -- 5.2 Framework of dynamic prediction -- 5.2.1 Conditional failure function given tumour progression -- 5.2.2 Conditional hazard function given tumour progression -- 5.3 Prediction formulas under the joint frailty-copula model -- 5.4 Estimating prediction formulas -- 5.5 Case study: ovarian cancer data -- 5.6 Discussions -- References -- Chapter 6: Future developments- 6.1 Analysis of recurrent events -- 6.2 Kendall's tau in meta-analysis -- 6.3 Validation of surrogate endpoints -- 6.4 Left-truncation -- 6.5 Interactions -- 6.6 Parametric failure time models -- 6.7 Compound covariate -- References -- Appendix A: Cubic spline bases -- Appendix B: R codes for the ovarian cancer data analysis -- B1. Using CXCL12 gene as a covariate -- B2. Using compound covariates (CCs) and residual tumour as covariates -- Appendix C: Derivation of prediction formulas. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200