Detail
Article
Online article
FT
Medvik - BMC
  • Something wrong with this record ?

Methods of the survival analysis [Metody analýzy přežití]

J. Fürstová

Language English, Czech Country Czech Republic

Analýza přežití je soubor statistických metod, ve kterých je zkoumána doba do výskytu sledované události. V biomedicínských aplikacích takovou událostí může být např. výskyt primárního onemocnění nebo úmrtí pacienta. Charakteristickým jevem v analýze přežití je tzv. cenzorování a krácení dat, kdy pracujeme pouze s částečnou informací o přežití pacientů (např. sledování pacientů typicky skončí dřív, než všichni zemřou). Metody analýzy přežití slouží k odhadu rozdělení doby do výskytu sledované události resp. přežití pacienta, k určení rizikových faktorů, které ovlivňují délku přežití, a také k predikci času přežití v závislosti na přítomnosti rizikových faktorů. K rozvoji metod analýzy přežití přispívá také využití teorie čítacích procesů a martingalů. Jednorozměrné metody analýzy přežití nelze použít, jestliže není splněn předpoklad nezávislosti jednotlivých dob přežití. V takovém případě je nutné využít vícerozměrné metody, jako jsou např. vícestavové modely nebo modely náchylnosti.

The survival analysis is a set of statistical methods dealing with time-to-event data. In biomedical applications the event of interest is usually relapse of the disease or death. A special feature of the survival analysis is censoring and truncation of data. When censoring or truncation occurs some information about the patients' survival is lost, e.g. some patients are lost to follow-up or the study ends before all the patients die. The survival analysis methods are used for estimation of the survival time distribution, for identification of risk factors that affect the survival time, and also for predicting the survival time when risk factors are present. Survival analysis methods have been further developed by the means of counting processes and martingale theory. Univariate survival analysis methods have been extended to multivariate setting. The multivariate survival analysis covers the field where independence between survival times cannot be assumed. Multi-state models and frailty models represent the two main approaches of multivariate methods.

Metody analýzy přežití

References provided by Crossref.org

Bibliography, etc.

Lit.: 19

000      
00000naa 2200000 a 4500
001      
bmc11005677
003      
CZ-PrNML
005      
20221006150054.0
008      
111205s2010 xr e eng||
009      
eAR
024    7_
$a 10.24105/ejbi.2010.06.1.5 $2 doi
040    __
$a ABA008 $b cze $c ABA008 $d ABA008 $e AACR2
041    0_
$a eng $a cze
044    __
$a xr
100    1_
$a Fürstová, Jana. $7 _AN042275
245    10
$a Methods of the survival analysis / $c J. Fürstová
246    31
$a Metody analýzy přežití
314    __
$a Faculty of Medicine and Dentristy, Palacky University, Olomouc, Czech Republic
504    __
$a Lit.: 19
520    3_
$a Analýza přežití je soubor statistických metod, ve kterých je zkoumána doba do výskytu sledované události. V biomedicínských aplikacích takovou událostí může být např. výskyt primárního onemocnění nebo úmrtí pacienta. Charakteristickým jevem v analýze přežití je tzv. cenzorování a krácení dat, kdy pracujeme pouze s částečnou informací o přežití pacientů (např. sledování pacientů typicky skončí dřív, než všichni zemřou). Metody analýzy přežití slouží k odhadu rozdělení doby do výskytu sledované události resp. přežití pacienta, k určení rizikových faktorů, které ovlivňují délku přežití, a také k predikci času přežití v závislosti na přítomnosti rizikových faktorů. K rozvoji metod analýzy přežití přispívá také využití teorie čítacích procesů a martingalů. Jednorozměrné metody analýzy přežití nelze použít, jestliže není splněn předpoklad nezávislosti jednotlivých dob přežití. V takovém případě je nutné využít vícerozměrné metody, jako jsou např. vícestavové modely nebo modely náchylnosti.
520    9_
$a The survival analysis is a set of statistical methods dealing with time-to-event data. In biomedical applications the event of interest is usually relapse of the disease or death. A special feature of the survival analysis is censoring and truncation of data. When censoring or truncation occurs some information about the patients' survival is lost, e.g. some patients are lost to follow-up or the study ends before all the patients die. The survival analysis methods are used for estimation of the survival time distribution, for identification of risk factors that affect the survival time, and also for predicting the survival time when risk factors are present. Survival analysis methods have been further developed by the means of counting processes and martingale theory. Univariate survival analysis methods have been extended to multivariate setting. The multivariate survival analysis covers the field where independence between survival times cannot be assumed. Multi-state models and frailty models represent the two main approaches of multivariate methods.
650    _2
$a lidé $7 D006801
650    _2
$a analýza přežití $7 D016019
650    _2
$a Kaplanův-Meierův odhad $7 D053208
650    _2
$a proporcionální rizikové modely $7 D016016
650    _2
$a interpretace statistických dat $7 D003627
650    _2
$a financování organizované $7 D005381
650    _2
$a filtrace $7 D005374
653    00
$a funkce přežití
653    00
$a riziková funkce
653    00
$a kumulativní riziková funkce
653    00
$a cenzorování
653    00
$a krácení
653    00
$a Kaplanova-Meierova funkce přežití
653    00
$a Nelsonova-Aalenova funkce rizika
653    00
$a Coxův model proporcionálních rizik
653    00
$a metoda parciální věrohodnosti
653    00
$a čítací proces
653    00
$a historie
653    00
$a martingal
653    00
$a konkurující rizika
653    00
$a vícestavové modely
653    00
$a modely náchylnosti
773    0_
$w MED00173462 $t European journal for biomedical informatics $g Roč. 6, č. 1 (2010), s. 20-26 $x 1801-5603
910    __
$a ABA008 $b online $y 1 $z 0
990    __
$a 20110321094316 $b ABA008
991    __
$a 20221006150048 $b ABA008
999    __
$a ok $b bmc $g 833122 $s 697753
BAS    __
$a 3 $a 4
BMC    __
$a 2010 $b 6 $c 1 $m European Journal for Biomedical Informatics $x MED00173462 $d 20-26
LZP    __
$a 2011-19/vthv

Find record

Citation metrics

Loading data ...