Modèles bayésiens de fragilité du taux de guérison par mélange [French]

By Abbas Bahrampour and Ali Karamoozian

Les mod?les de taux de gu?rison par m?lange sont couramment utilis?s pour analyser les donn?es relatives aux survivants ? long terme. D'autre part, les mod?les de fragilit? permettent une estimation pr?cise des coefficients en contr?lant l'h?t?rog?n?it? des donn?es de survie. Habituellement, la distribution gamma est utilis?e dans les mod?les de fragilit?. Cependant, pour les donn?es de survie qui conviennent aux populations ayant un taux de gu?rison, il peut ?tre pr?f?rable d'utiliser une distribution discr?te pour la variable al?atoire de fragilit? plut?t qu'une distribution continue. Nous avons donc propos? deux mod?les dans cet ouvrage. Dans le premier mod?le, la distribution gamma est utilis?e, et dans le second mod?le, la distribution hyper-Poisson est appliqu?e pour la variable al?atoire de fragilit?. En outre, l'inf?rence bay?sienne avec la distribution de Weibull et la distribution de Weibull modifi?e g?n?ralis?e comme distribution de base ont ?t? utilis?es respectivement dans les deux mod?les propos?s. Dans cet ouvrage, nous avons utilis? les donn?es de patients atteints de cancer gastrique pour montrer l'application de ces mod?les dans l'analyse de donn?es r?elles. Les param?tres et les coefficients de r?gression ont ?t? estim?s ? l'aide de l'algorithme d'?chantillonnage de Metropolis au sein de Gibbs. Une ?tude de simulation a ?galement ?t? utilis?e pour ?valuer la performance des estimations bay?siennes afin de confirmer les mod?les propos?s.

• Format: Paperback
• Language: French
• ISBN: 6205706857
• ISBN13: 9786205706855
• Release Date: February 2023
• Publisher: Editions Notre Savoir
• Length: 176 Pages
• Weight: 0.59 lbs.
• Dimensions: 0.4" x 6.0" x 9.0"