.: ORİJİNAL ARAŞTIRMA
Bilgi İçeren Durdurma Varlığında Yinelemeli Olay Verisi İçin Yeni Bir Modelleme
A New Modelling for Recurrent Event Data Under Informative Censoring
Turkiye Klinikleri J Biostat. 2016;8(2):125-32
doi: 10.5336/biostatic.2016-50770
Makale Dili: TR
Tam Metin
ÖZET
Amaç: Bilgi içeren durdurma, yinelemeli olay verisinin modellemesinde dikkat edilmesi gereken önemli bir konudur. Bilgi içeren durdurma; ölüm gibi bir başarısızlık olayının gerçekleşmesi ya da bireylerin çalışmadan çekilmesi sonucu meydana gelir. Bu nedenle yinelemeli olay zamanları ile bilgi içeren durdurma zamanı ilişkilidir. Yinelemeli olay verisinde bu ilişkinin göz ardı edilmesi model parametrelerinin yanlı tahmin edilmesine yol açmaktadır. Bu çalışmanın amacı, bilgi içeren durdurma varlığında yinelemeli olay verisini modellemek ve parametre tahminlerini elde etmektir. Gereç ve Yöntemler: Bu çalışmada, bilgi içeren durdurmanın ölüm olayından kaynaklandığı durum incelenmiş ve ölüm olayının varlığında yinelemeli olay süreci homojen Poisson süreci ile modellenmiştir. Yinelemeli olay sürecine ilişkin yoğunluk fonksiyonu için yeni bir model önerilmiş ve yineleme zamanları ile ölüm zamanı arasındaki ilişki yapısı, paylaşılmış zayıflık modeli kullanılarak oluşturulmuştur. Önerilen model, farklı durdurma oranları ve örneklem büyüklüklerini içeren senaryolar altında bir benzetim çalışması ile incelenmiştir. Bilgi içeren durdurmanın dikkate alınmadığı indirgenmiş modelle karşılaştırmalar yapılmıştır. Bulgular: Benzetim çalışması sonucunda önerilen modelin Akaike Bilgi Kriteri (AIC) değerleri indirgenmiş modelden daha düşük bulunmuştur. Sonuç: Yapılan çalışmada ölüm gibi bir bilgi içeren
durdurmanın söz konusu olduğu yinelemeli olay verisinin, ölüm olayı göz ardı edilerek modellenmesi parametre tahminlerini olumsuz etkilediği görülmüştür.
Anahtar Kelimeler: Yinelemeli olay verisi; bilgi içeren durdurma; Poisson süreci; zayıflık;sağkalım analizi; mesane kanseri
Amaç: Bilgi içeren durdurma, yinelemeli olay verisinin modellemesinde dikkat edilmesi gereken önemli bir konudur. Bilgi içeren durdurma; ölüm gibi bir başarısızlık olayının gerçekleşmesi ya da bireylerin çalışmadan çekilmesi sonucu meydana gelir. Bu nedenle yinelemeli olay zamanları ile bilgi içeren durdurma zamanı ilişkilidir. Yinelemeli olay verisinde bu ilişkinin göz ardı edilmesi model parametrelerinin yanlı tahmin edilmesine yol açmaktadır. Bu çalışmanın amacı, bilgi içeren durdurma varlığında yinelemeli olay verisini modellemek ve parametre tahminlerini elde etmektir. Gereç ve Yöntemler: Bu çalışmada, bilgi içeren durdurmanın ölüm olayından kaynaklandığı durum incelenmiş ve ölüm olayının varlığında yinelemeli olay süreci homojen Poisson süreci ile modellenmiştir. Yinelemeli olay sürecine ilişkin yoğunluk fonksiyonu için yeni bir model önerilmiş ve yineleme zamanları ile ölüm zamanı arasındaki ilişki yapısı, paylaşılmış zayıflık modeli kullanılarak oluşturulmuştur. Önerilen model, farklı durdurma oranları ve örneklem büyüklüklerini içeren senaryolar altında bir benzetim çalışması ile incelenmiştir. Bilgi içeren durdurmanın dikkate alınmadığı indirgenmiş modelle karşılaştırmalar yapılmıştır. Bulgular: Benzetim çalışması sonucunda önerilen modelin Akaike Bilgi Kriteri (AIC) değerleri indirgenmiş modelden daha düşük bulunmuştur. Sonuç: Yapılan çalışmada ölüm gibi bir bilgi içeren
durdurmanın söz konusu olduğu yinelemeli olay verisinin, ölüm olayı göz ardı edilerek modellenmesi parametre tahminlerini olumsuz etkilediği görülmüştür.
Anahtar Kelimeler: Yinelemeli olay verisi; bilgi içeren durdurma; Poisson süreci; zayıflık;sağkalım analizi; mesane kanseri
ABSTRACT
Objective: Informative censoring is an important issue taken into account while modeling recurrent event data. Informative censoring might happen as a result of terminal event such as death or drop out of individuals in the study. Therefore, there is correlation between recurrent event times and terminal event times. Ignoring this correlation in the recurrent event data, biased estimates of model parameters could be obtained. The aim of this study is to model recurrent event data in the presence of informative censoring and obtain the estimate of parameters. Material and Methods: In this study, we focused on the situation in which informative censoring happens as a result of death and modeled recurrent event data using homogeneous Poisson Process. We proposed the new model based on intensity function of recurrent event process and constructed the structure of correlations between recurrent event time and death time via shared frailty. Simulation study was conducted for different scenarios including different censoring rates and sample sizes, and the proposed model was investigated via a simulation study. The proposed model was compared with the reduced model in which informative censoring wasn?t taken into account. Results: As a result of the simulation study, Akaike Information Criteria (AIC) values of the proposed model were found to be lower than those of the reduced model. Conclusion: In this study, it was found that when recurrent event data has informative censoring such as death, parameter estimates was adversely affected by ignoring the informative censoring.
Keywords: Recurrent event data; informative censoring; Poisson process; frailty;survival analysis; bladder cancer
Objective: Informative censoring is an important issue taken into account while modeling recurrent event data. Informative censoring might happen as a result of terminal event such as death or drop out of individuals in the study. Therefore, there is correlation between recurrent event times and terminal event times. Ignoring this correlation in the recurrent event data, biased estimates of model parameters could be obtained. The aim of this study is to model recurrent event data in the presence of informative censoring and obtain the estimate of parameters. Material and Methods: In this study, we focused on the situation in which informative censoring happens as a result of death and modeled recurrent event data using homogeneous Poisson Process. We proposed the new model based on intensity function of recurrent event process and constructed the structure of correlations between recurrent event time and death time via shared frailty. Simulation study was conducted for different scenarios including different censoring rates and sample sizes, and the proposed model was investigated via a simulation study. The proposed model was compared with the reduced model in which informative censoring wasn?t taken into account. Results: As a result of the simulation study, Akaike Information Criteria (AIC) values of the proposed model were found to be lower than those of the reduced model. Conclusion: In this study, it was found that when recurrent event data has informative censoring such as death, parameter estimates was adversely affected by ignoring the informative censoring.
Keywords: Recurrent event data; informative censoring; Poisson process; frailty;survival analysis; bladder cancer
.: İşlem Listesi