Dynamická predikcia v analýze prežitia

Abstract

Often the motivation behind building a statistical model is to provide prediction for an outcome of interest. In the context of survival analysis it is important to distingu- ish between two types of time-varying covariates and take into careful consideration the appropriate type of analysis. Joint model for longitudinal and time-to-event data, in con- trast to standard Cox model, enables to account for continuous change of the covariate over time in the survival model. In this thesis two examples of joint models are presen- ted, the shared random-effect model and the joint latent class model. Bayesian estimation of the model parameters and summary of methodology for dynamic prediction of indi- vidual survival probability is provided for the first one of the aforementioned types of models. Application of the theoretical knowledge is illustrated in the analysis of the data on primary biliary cirrhosis. The impact of number of patients, number of longitudinal measurements and per-cent of censoring on the quality of prediction and estimates of the model parameters is examined in the simulation study. 1

Častou motiváciou na budovanie štatistického modelu je predikcia výsledkov. V kon- texte analýzy prežitia je dôležité rozlišovať dva druhy časovo premenlivých prediktorov a starostlivo zvážiť voľbu prežívacieho modelu. Združený model pre longitudinálne a cen- zorované dáta umožňuje, oproti štandardnému Coxovmu modelu, zohľadniť spojitý vývoj longitudinálnej premennej v čase v modeli prežitia. V práci sú uvedené dva typy zdru- žených modelov, združený model so spoločnými náhodnými efektami a združený model s latentnými kategóriami. Pre prvý spomínaný typ modelu je podrobne popísané baye- sovské odhadovanie parametrov a zhrnutá metodika dynamickej predikcie individuálnej pravdepodobnosti prežitia. Teoretické poznatky sú aplikované v ilustračnej analýze dát k primárnej biliárnej cirhóze. Následne je v simulačnej štúdii skúmaný vplyv počtu pa- cientov, počtu longitudinálnych meraní a percenta cenzorovania na kvalitu predikcií a odhady parametrov modelu. 1