{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1310019"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1310019","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάλυση επιβίωσης υπό περικοπή κατά διαστήματα (interval censoring)","abstract":"Συχνά σε ιατρικές μελέτες οι συμμετέχοντες εξετάζονται περιοδικά σε συνήθως προκαθορισμένες επισκέψεις, ενώ μελετάται ο χρόνος έως την έλευση του συμβάματος. Σε αυτές τις περιπτώσεις δεν είναι γνωστή η αντίστοιχη χρονική στιγμή κατά την οποία παρουσιάζεται το γεγονός υπό μελέτη, παρά μόνο ένα χρονικό διάστημα μεταξύ δύο διαδοχικών επισκέψεων εντός του οποίου αυτό πραγματοποιείται. Τέτοιου είδους δεδομένα ονομάζονται περικεκομένα ανά διαστήματα. Μια συνήθης προσέγγιση η οποία χρησιμοποιείται για την ανάλυση τέτοιων δεδομένων είναι να θεωρείται ως χρονική στιγμή έλευσης του συμβάματος, η στιγμή της προσέλευσης του συμμετέχοντα προς εξέταση. Οι αναλύσεις που χρησιμοποιούνται στη συνέχεια είναι οι κλασσικές μέθοδοι επιβίωσης όπως Kaplan-Meier καμπύλες επιβίωσης και τα μοντέλα αναλογικών κινδύνων Cox, οι οποίες δεν λαμβάνουν υπόψη την περικοπή. Τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται ευρέως μέθοδοι οι οποίες λαμβάνουν υπόψη την περικοπή ανά διαστήματα όπως είναι ο μη παραμετρικό εκτιμητής μέγιστης πιθανοφάνειας (NPMLE) για την εκτίμηση της συνάρτησης επιβίωσης και τα παραμετρικά μοντέλα αναλογικών κινδύνων για τον έλεγχο προγνωστικών παραγόντων. Στην παρούσα διπλωματική διερευνάται η σχέση μεταξύ διαφόρων παραγόντων και κυρίως του θεραπευτικού σχήματος και της μείωσης του ιικού φορτίου σε μη ανιχνεύσιμα όρια μετά την έναρξη της 1ης HAART. Για την ανάλυση των δεδομένων εφαρμόζονται και αξιολογούνται συγκριτικά οι παραπάνω μέθοδοι χρησιμοποιώντας δεδομένα HIV -1 οροθετικών ατόμων από την πολυκεντρική μελέτη AMCS. Για την συμπερασματολογία θα πρέπει να επιλέγεται κάθε φορά η ποσότητα (συνάρτηση επιβίωσης, έλεγχος προγνωστικών παραγόντων) προς σύγκριση για το πρόβλημα που μελετάται καθώς η καταλληλότερη μέθοδος μπορεί να διαφέρει ανά περίπτωση. Επιπλέον για την επιλογή της καλύτερης προσέγγισης θα πρέπει να λαμβάνεται υπόψη ο αριθμός ελλειπουσών επισκέψεων καθώς και ο τύπος της περικοπής (πληροφοριακή η μη).","abstract_html":"Συχνά σε ιατρικές μελέτες οι συμμετέχοντες εξετάζονται περιοδικά σε συνήθως προκαθορισμένες επισκέψεις, ενώ μελετάται ο χρόνος έως την έλευση του συμβάματος. Σε αυτές τις περιπτώσεις δεν είναι γνωστή η αντίστοιχη χρονική στιγμή κατά την οποία παρουσιάζεται το γεγονός υπό μελέτη, παρά μόνο ένα χρονικό διάστημα μεταξύ δύο διαδοχικών επισκέψεων εντός του οποίου αυτό πραγματοποιείται. Τέτοιου είδους δεδομένα ονομάζονται περικεκομένα ανά διαστήματα. Μια συνήθης προσέγγιση η οποία χρησιμοποιείται για την ανάλυση τέτοιων δεδομένων είναι να θεωρείται ως χρονική στιγμή έλευσης του συμβάματος, η στιγμή της προσέλευσης του συμμετέχοντα προς εξέταση. Οι αναλύσεις που χρησιμοποιούνται στη συνέχεια είναι οι κλασσικές μέθοδοι επιβίωσης όπως Kaplan-Meier καμπύλες επιβίωσης και τα μοντέλα αναλογικών κινδύνων Cox, οι οποίες δεν λαμβάνουν υπόψη την περικοπή. Τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται ευρέως μέθοδοι οι οποίες λαμβάνουν υπόψη την περικοπή ανά διαστήματα όπως είναι ο μη παραμετρικό εκτιμητής μέγιστης πιθανοφάνειας (NPMLE) για την εκτίμηση της συνάρτησης επιβίωσης και τα παραμετρικά μοντέλα αναλογικών κινδύνων για τον έλεγχο προγνωστικών παραγόντων. Στην παρούσα διπλωματική διερευνάται η σχέση μεταξύ διαφόρων παραγόντων και κυρίως του θεραπευτικού σχήματος και της μείωσης του ιικού φορτίου σε μη ανιχνεύσιμα όρια μετά την έναρξη της 1ης HAART. Για την ανάλυση των δεδομένων εφαρμόζονται και αξιολογούνται συγκριτικά οι παραπάνω μέθοδοι χρησιμοποιώντας δεδομένα HIV -1 οροθετικών ατόμων από την πολυκεντρική μελέτη AMCS. Για την συμπερασματολογία θα πρέπει να επιλέγεται κάθε φορά η ποσότητα (συνάρτηση επιβίωσης, έλεγχος προγνωστικών παραγόντων) προς σύγκριση για το πρόβλημα που μελετάται καθώς η καταλληλότερη μέθοδος μπορεί να διαφέρει ανά περίπτωση. Επιπλέον για την επιλογή της καλύτερης προσέγγισης θα πρέπει να λαμβάνεται υπόψη ο αριθμός ελλειπουσών επισκέψεων καθώς και ο τύπος της περικοπής (πληροφοριακή η μη).","abstract_has_math":false,"creators":["Αντωνοπούλου Κυριακή"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:21:24Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1310019"],"render_values":[{"text":"uoadl:1310019","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1310019","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1310019","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1310019","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αντωνοπούλου Κυριακή"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1310019","https://pergamos.lib.uoa.gr/uoa/dl/object/1310019"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Συχνά σε ιατρικές μελέτες οι συμμετέχοντες εξετάζονται περιοδικά σε συνήθως προκαθορισμένες επισκέψεις, ενώ μελετάται ο χρόνος έως την έλευση του συμβάματος. Σε αυτές τις περιπτώσεις δεν είναι γνωστή η αντίστοιχη χρονική στιγμή κατά την οποία παρουσιάζεται το γεγονός υπό μελέτη, παρά μόνο ένα χρονικό διάστημα μεταξύ δύο διαδοχικών επισκέψεων εντός του οποίου αυτό πραγματοποιείται. Τέτοιου είδους δεδομένα ονομάζονται περικεκομένα ανά διαστήματα. Μια συνήθης προσέγγιση η οποία χρησιμοποιείται για την ανάλυση τέτοιων δεδομένων είναι να θεωρείται ως χρονική στιγμή έλευσης του συμβάματος, η στιγμή της προσέλευσης του συμμετέχοντα προς εξέταση. Οι αναλύσεις που χρησιμοποιούνται στη συνέχεια είναι οι κλασσικές μέθοδοι επιβίωσης όπως Kaplan-Meier καμπύλες επιβίωσης και τα μοντέλα αναλογικών κινδύνων Cox, οι οποίες δεν λαμβάνουν υπόψη την περικοπή. Τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται ευρέως μέθοδοι οι οποίες λαμβάνουν υπόψη την περικοπή ανά διαστήματα όπως είναι ο μη παραμετρικό εκτιμητής μέγιστης πιθανοφάνειας (NPMLE) για την εκτίμηση της συνάρτησης επιβίωσης και τα παραμετρικά μοντέλα αναλογικών κινδύνων για τον έλεγχο προγνωστικών παραγόντων. Στην παρούσα διπλωματική διερευνάται η σχέση μεταξύ διαφόρων παραγόντων και κυρίως του θεραπευτικού σχήματος και της μείωσης του ιικού φορτίου σε μη ανιχνεύσιμα όρια μετά την έναρξη της 1ης HAART. Για την ανάλυση των δεδομένων εφαρμόζονται και αξιολογούνται συγκριτικά οι παραπάνω μέθοδοι χρησιμοποιώντας δεδομένα HIV -1 οροθετικών ατόμων από την πολυκεντρική μελέτη AMCS. Για την συμπερασματολογία θα πρέπει να επιλέγεται κάθε φορά η ποσότητα (συνάρτηση επιβίωσης, έλεγχος προγνωστικών παραγόντων) προς σύγκριση για το πρόβλημα που μελετάται καθώς η καταλληλότερη μέθοδος μπορεί να διαφέρει ανά περίπτωση. Επιπλέον για την επιλογή της καλύτερης προσέγγισης θα πρέπει να λαμβάνεται υπόψη ο αριθμός ελλειπουσών επισκέψεων καθώς και ο τύπος της περικοπής (πληροφοριακή η μη).","In many medical studies individuals participating are seen in pre-scheduled visits while the outcome of interest is the time until the occurrence of an event. In those cases the actual time of the event is only known to fall between two sequential visits of an individual. Such data are called interval censored. For those types of data it is usually assumed that the time of the occurrence of the event is the last visit of the individual and they are analyzed using classical survival methods such as Kaplan-Meier estimator and Cox proportional hazard model. In recent years the usage of more appropriate methods for interval censored data has increased. Such methods are the non-parametric maximum likelihood estimator (NPMLE) for the estimation of the survival function as well as the parametric proportional hazard models for estimating prognostic factors. In the present thesis is being evaluated the association between the type of antiretroviral therapy and reduction of viral load to undetectable levels after initiation of first HAART. For this purpose the aforementioned methods have been applied and compared using data AMACS a multicenter study which includes cohorts of HIV-1 seropositive subjects. The appropriate quantity (survival function, prognostic factors) under comparison should be chosen cautiously when analyzing each dataset as the most suitable method can differ substantially. Moreover for selecting the best method for each dataset the number of missing visits and the type of censoring (informative, non-informative) should be taken into consideration."]},{"key":"dc:title","label":"Title","values":["Ανάλυση επιβίωσης υπό περικοπή κατά διαστήματα (interval censoring)"]}]}],"canonical_facts":{"dc:creator":["Αντωνοπούλου Κυριακή"],"dc:date":["2015"],"dc:description":["Συχνά σε ιατρικές μελέτες οι συμμετέχοντες εξετάζονται περιοδικά σε συνήθως προκαθορισμένες επισκέψεις, ενώ μελετάται ο χρόνος έως την έλευση του συμβάματος. Σε αυτές τις περιπτώσεις δεν είναι γνωστή η αντίστοιχη χρονική στιγμή κατά την οποία παρουσιάζεται το γεγονός υπό μελέτη, παρά μόνο ένα χρονικό διάστημα μεταξύ δύο διαδοχικών επισκέψεων εντός του οποίου αυτό πραγματοποιείται. Τέτοιου είδους δεδομένα ονομάζονται περικεκομένα ανά διαστήματα. Μια συνήθης προσέγγιση η οποία χρησιμοποιείται για την ανάλυση τέτοιων δεδομένων είναι να θεωρείται ως χρονική στιγμή έλευσης του συμβάματος, η στιγμή της προσέλευσης του συμμετέχοντα προς εξέταση. Οι αναλύσεις που χρησιμοποιούνται στη συνέχεια είναι οι κλασσικές μέθοδοι επιβίωσης όπως Kaplan-Meier καμπύλες επιβίωσης και τα μοντέλα αναλογικών κινδύνων Cox, οι οποίες δεν λαμβάνουν υπόψη την περικοπή. Τα τελευταία χρόνια έχουν αρχίσει να χρησιμοποιούνται ευρέως μέθοδοι οι οποίες λαμβάνουν υπόψη την περικοπή ανά διαστήματα όπως είναι ο μη παραμετρικό εκτιμητής μέγιστης πιθανοφάνειας (NPMLE) για την εκτίμηση της συνάρτησης επιβίωσης και τα παραμετρικά μοντέλα αναλογικών κινδύνων για τον έλεγχο προγνωστικών παραγόντων. Στην παρούσα διπλωματική διερευνάται η σχέση μεταξύ διαφόρων παραγόντων και κυρίως του θεραπευτικού σχήματος και της μείωσης του ιικού φορτίου σε μη ανιχνεύσιμα όρια μετά την έναρξη της 1ης HAART. Για την ανάλυση των δεδομένων εφαρμόζονται και αξιολογούνται συγκριτικά οι παραπάνω μέθοδοι χρησιμοποιώντας δεδομένα HIV -1 οροθετικών ατόμων από την πολυκεντρική μελέτη AMCS. Για την συμπερασματολογία θα πρέπει να επιλέγεται κάθε φορά η ποσότητα (συνάρτηση επιβίωσης, έλεγχος προγνωστικών παραγόντων) προς σύγκριση για το πρόβλημα που μελετάται καθώς η καταλληλότερη μέθοδος μπορεί να διαφέρει ανά περίπτωση. Επιπλέον για την επιλογή της καλύτερης προσέγγισης θα πρέπει να λαμβάνεται υπόψη ο αριθμός ελλειπουσών επισκέψεων καθώς και ο τύπος της περικοπής (πληροφοριακή η μη).","In many medical studies individuals participating are seen in pre-scheduled visits while the outcome of interest is the time until the occurrence of an event. In those cases the actual time of the event is only known to fall between two sequential visits of an individual. Such data are called interval censored. For those types of data it is usually assumed that the time of the occurrence of the event is the last visit of the individual and they are analyzed using classical survival methods such as Kaplan-Meier estimator and Cox proportional hazard model. In recent years the usage of more appropriate methods for interval censored data has increased. Such methods are the non-parametric maximum likelihood estimator (NPMLE) for the estimation of the survival function as well as the parametric proportional hazard models for estimating prognostic factors. In the present thesis is being evaluated the association between the type of antiretroviral therapy and reduction of viral load to undetectable levels after initiation of first HAART. For this purpose the aforementioned methods have been applied and compared using data AMACS a multicenter study which includes cohorts of HIV-1 seropositive subjects. The appropriate quantity (survival function, prognostic factors) under comparison should be chosen cautiously when analyzing each dataset as the most suitable method can differ substantially. Moreover for selecting the best method for each dataset the number of missing visits and the type of censoring (informative, non-informative) should be taken into consideration."],"dc:identifier":["uoadl:1310019","https://pergamos.lib.uoa.gr/uoa/dl/object/1310019"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Ανάλυση επιβίωσης υπό περικοπή κατά διαστήματα (interval censoring)"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:21:24Z"}