{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1310991"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1310991","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ελλείπουσες τιμές λόγω περικοπής μετρήσεων σε διαχρονικά συνεχή δεδομένα: χρήση μοντέλων για πληροφοριακή περικοπή όταν η αποκοπή είναι αγνοήσιμη.","abstract":"Η ανάλυση πολλαπλών ανά άτομο, διαχρονικών μετρήσεων συχνά γίνεται πιο περίπλοκη λόγω ύπαρξης ελλειπουσών τιμών. Μια συνηθισμένη περίπτωση είναι αυτή κατά την οποία η προγραμματισμένη σειρά μετρήσεων διακόπτεται πρόωρα εξαιτίας της εμφάνισης κάποιου συμβάματος. Χαρακτηριστικό παράδειγμα αποτελούν οι μελέτες φυσικής ιστορίας της HIV-1 λοίμωξης όπου οι μετρήσεις ενός βιολογικού δείκτη διακόπτονται λόγω θανάτου του ασθενούς. Παράλληλα, μετρήσεις πέρα από κάποιο χρονικό σημείο αποκόπτονται τεχνητά, κατά το στάδιο της ανάλυσης, επειδή ο ασθενής ανέπτυξε κλινικό AIDS ή άρχισε να λαμβάνει αντιρετροϊκή θεραπεία (και οι δυο αυτοί παράγοντες σηματοδοτούν εξ’ ορισμού την φυσική ιστορία της νόσου). Στην περίπτωση όπου μηχανισμοί αποκοπής όπως οι παραπάνω σχετίζονται με μη παρατηρούμενες ποσότητες, η περικοπή χαρακτηρίζεται ως πληροφοριακή και η εξαγωγή αμερόληπτων εκτιμήσεων για την χρονική εξέλιξη των επιπέδων του δείκτη απαιτεί χρήση τεχνικών από κοινού μοντελοποίησης (joint models) του δείκτη και του συμβάματος που οδηγεί στην περικοπή των μετρήσεων. Αντιθέτως, στην περίπτωση όπου οι μηχανισμοί περικοπής εξαρτώνται μόνο από ήδη παρατηρημένες τιμές του μελετώμενου δείκτη, η χρήση μεθόδων μέγιστης πιθανοφάνειας οδηγεί σε αμερόληπτες εκτιμήσεις. Η εργασία αυτή επικεντρώνεται στην ανάλυση του απόλυτου αριθμού CD4 λεμφοκυττάρων που αποτελεί σημαντικό ανοσολογικό δείκτη κατά την φυσική ιστορία της HIV-1 λοίμωξης. Σε τέτοια δεδομένα, ο κύριος μηχανισμός περικοπής μετρήσεων, για άτομα που μολύνθηκαν μετά το 1996, έτος όπου η αντιρετροϊκή θεραπεία υψηλής δραστικότητας άρχισε να διατίθεται ευρέως, είναι η έναρξη θεραπείας. Το γεγονός ότι η απόφαση για έναρξη θεραπείας βασίζεται κυρίως σε ήδη παρατηρημένες μετρήσεις αριθμού CD4 λεμφοκυττάρων, κάνει τον μηχανισμό αυτό θεωρητικά τουλάχιστον αγνοήσιμο. Τα πραγματικά δεδομένα που χρησιμοποιήθηκαν προέρχονται από την Ελληνική προοπτική μελέτη AMACS, ενώ οι παράμετροι για την δημιουργία των προσομοιωμένων δεδομένων προέκυψαν από την Ευρωπαϊκή μελέτη CASCADE. Εφαρμόστηκε ένα μοντέλο τυχαίων επιδράσεων και ένα μοντέλο (JMRE) που συνδυάζει ένα μικτό μοντέλο για την εκτίμηση της μεταβολής του δείκτη και ένα λογαριθμικό μοντέλο επιβίωσης για την πληροφοριακή απόσυρση. Η απόδοση των μοντέλων αυτών αξιολογήθηκε σε προσομοιωμένα δεδομένα. Κατασκευάστηκαν τέσσερα διαφορετικά σενάρια που αντανακλούν την περικοπή παρατηρήσεων λόγω έναρξη θεραπείας. Ο μηχανισμός παραγωγής των ελλειπουσών τιμών καθορίζει την καταλληλότητα της μεθόδου ανάλυσης που πρέπει να χρησιμοποιηθεί. Το μοντέλο τυχαίων επιδράσεων δίνει αμερόληπτες εκτιμήσεις παρουσία εντελώς τυχαίων (MCAR) ή τυχαίων ελλειπουσών (MAR) τιμών. Στις περιπτώσεις που οι ελλείπουσες τιμές οφείλονται σε δεξιά πληροφοριακή απόσυρση (MNAR) ενδείκνυται η χρήση ενός μοντέλου όπως το JMRE το οποίο μειώνει την μεροληψία σε σύγκριση με το μοντέλο τυχαίων επιδράσεων. Τέλος, η χρήση του JMRE μοντέλου σε περιπτώσεις τυχαίων ελλειπουσών τιμών (MAR) οδηγεί σε μεροληπτικά αποτελέσματα.","abstract_html":"Η ανάλυση πολλαπλών ανά άτομο, διαχρονικών μετρήσεων συχνά γίνεται πιο περίπλοκη λόγω ύπαρξης ελλειπουσών τιμών. Μια συνηθισμένη περίπτωση είναι αυτή κατά την οποία η προγραμματισμένη σειρά μετρήσεων διακόπτεται πρόωρα εξαιτίας της εμφάνισης κάποιου συμβάματος. Χαρακτηριστικό παράδειγμα αποτελούν οι μελέτες φυσικής ιστορίας της HIV-1 λοίμωξης όπου οι μετρήσεις ενός βιολογικού δείκτη διακόπτονται λόγω θανάτου του ασθενούς. Παράλληλα, μετρήσεις πέρα από κάποιο χρονικό σημείο αποκόπτονται τεχνητά, κατά το στάδιο της ανάλυσης, επειδή ο ασθενής ανέπτυξε κλινικό AIDS ή άρχισε να λαμβάνει αντιρετροϊκή θεραπεία (και οι δυο αυτοί παράγοντες σηματοδοτούν εξ’ ορισμού την φυσική ιστορία της νόσου). Στην περίπτωση όπου μηχανισμοί αποκοπής όπως οι παραπάνω σχετίζονται με μη παρατηρούμενες ποσότητες, η περικοπή χαρακτηρίζεται ως πληροφοριακή και η εξαγωγή αμερόληπτων εκτιμήσεων για την χρονική εξέλιξη των επιπέδων του δείκτη απαιτεί χρήση τεχνικών από κοινού μοντελοποίησης (joint models) του δείκτη και του συμβάματος που οδηγεί στην περικοπή των μετρήσεων. Αντιθέτως, στην περίπτωση όπου οι μηχανισμοί περικοπής εξαρτώνται μόνο από ήδη παρατηρημένες τιμές του μελετώμενου δείκτη, η χρήση μεθόδων μέγιστης πιθανοφάνειας οδηγεί σε αμερόληπτες εκτιμήσεις. Η εργασία αυτή επικεντρώνεται στην ανάλυση του απόλυτου αριθμού CD4 λεμφοκυττάρων που αποτελεί σημαντικό ανοσολογικό δείκτη κατά την φυσική ιστορία της HIV-1 λοίμωξης. Σε τέτοια δεδομένα, ο κύριος μηχανισμός περικοπής μετρήσεων, για άτομα που μολύνθηκαν μετά το 1996, έτος όπου η αντιρετροϊκή θεραπεία υψηλής δραστικότητας άρχισε να διατίθεται ευρέως, είναι η έναρξη θεραπείας. Το γεγονός ότι η απόφαση για έναρξη θεραπείας βασίζεται κυρίως σε ήδη παρατηρημένες μετρήσεις αριθμού CD4 λεμφοκυττάρων, κάνει τον μηχανισμό αυτό θεωρητικά τουλάχιστον αγνοήσιμο. Τα πραγματικά δεδομένα που χρησιμοποιήθηκαν προέρχονται από την Ελληνική προοπτική μελέτη AMACS, ενώ οι παράμετροι για την δημιουργία των προσομοιωμένων δεδομένων προέκυψαν από την Ευρωπαϊκή μελέτη CASCADE. Εφαρμόστηκε ένα μοντέλο τυχαίων επιδράσεων και ένα μοντέλο (JMRE) που συνδυάζει ένα μικτό μοντέλο για την εκτίμηση της μεταβολής του δείκτη και ένα λογαριθμικό μοντέλο επιβίωσης για την πληροφοριακή απόσυρση. Η απόδοση των μοντέλων αυτών αξιολογήθηκε σε προσομοιωμένα δεδομένα. Κατασκευάστηκαν τέσσερα διαφορετικά σενάρια που αντανακλούν την περικοπή παρατηρήσεων λόγω έναρξη θεραπείας. Ο μηχανισμός παραγωγής των ελλειπουσών τιμών καθορίζει την καταλληλότητα της μεθόδου ανάλυσης που πρέπει να χρησιμοποιηθεί. Το μοντέλο τυχαίων επιδράσεων δίνει αμερόληπτες εκτιμήσεις παρουσία εντελώς τυχαίων (MCAR) ή τυχαίων ελλειπουσών (MAR) τιμών. Στις περιπτώσεις που οι ελλείπουσες τιμές οφείλονται σε δεξιά πληροφοριακή απόσυρση (MNAR) ενδείκνυται η χρήση ενός μοντέλου όπως το JMRE το οποίο μειώνει την μεροληψία σε σύγκριση με το μοντέλο τυχαίων επιδράσεων. Τέλος, η χρήση του JMRE μοντέλου σε περιπτώσεις τυχαίων ελλειπουσών τιμών (MAR) οδηγεί σε μεροληπτικά αποτελέσματα.","abstract_has_math":false,"creators":["Κουλάι Λουμπιάνα"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2013,"date_issued":"2013","date_published":"2013","updated_at":"2026-11-19T05:22:07Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1310991"],"render_values":[{"text":"uoadl:1310991","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1310991","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1310991","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%3A1310991","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κουλάι Λουμπιάνα"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2013"]},{"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:1310991","https://pergamos.lib.uoa.gr/uoa/dl/object/1310991"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ανάλυση πολλαπλών ανά άτομο, διαχρονικών μετρήσεων συχνά γίνεται πιο περίπλοκη λόγω ύπαρξης ελλειπουσών τιμών. Μια συνηθισμένη περίπτωση είναι αυτή κατά την οποία η προγραμματισμένη σειρά μετρήσεων διακόπτεται πρόωρα εξαιτίας της εμφάνισης κάποιου συμβάματος. Χαρακτηριστικό παράδειγμα αποτελούν οι μελέτες φυσικής ιστορίας της HIV-1 λοίμωξης όπου οι μετρήσεις ενός βιολογικού δείκτη διακόπτονται λόγω θανάτου του ασθενούς. Παράλληλα, μετρήσεις πέρα από κάποιο χρονικό σημείο αποκόπτονται τεχνητά, κατά το στάδιο της ανάλυσης, επειδή ο ασθενής ανέπτυξε κλινικό AIDS ή άρχισε να λαμβάνει αντιρετροϊκή θεραπεία (και οι δυο αυτοί παράγοντες σηματοδοτούν εξ’ ορισμού την φυσική ιστορία της νόσου). Στην περίπτωση όπου μηχανισμοί αποκοπής όπως οι παραπάνω σχετίζονται με μη παρατηρούμενες ποσότητες, η περικοπή χαρακτηρίζεται ως πληροφοριακή και η εξαγωγή αμερόληπτων εκτιμήσεων για την χρονική εξέλιξη των επιπέδων του δείκτη απαιτεί χρήση τεχνικών από κοινού μοντελοποίησης (joint models) του δείκτη και του συμβάματος που οδηγεί στην περικοπή των μετρήσεων. Αντιθέτως, στην περίπτωση όπου οι μηχανισμοί περικοπής εξαρτώνται μόνο από ήδη παρατηρημένες τιμές του μελετώμενου δείκτη, η χρήση μεθόδων μέγιστης πιθανοφάνειας οδηγεί σε αμερόληπτες εκτιμήσεις. Η εργασία αυτή επικεντρώνεται στην ανάλυση του απόλυτου αριθμού CD4 λεμφοκυττάρων που αποτελεί σημαντικό ανοσολογικό δείκτη κατά την φυσική ιστορία της HIV-1 λοίμωξης. Σε τέτοια δεδομένα, ο κύριος μηχανισμός περικοπής μετρήσεων, για άτομα που μολύνθηκαν μετά το 1996, έτος όπου η αντιρετροϊκή θεραπεία υψηλής δραστικότητας άρχισε να διατίθεται ευρέως, είναι η έναρξη θεραπείας. Το γεγονός ότι η απόφαση για έναρξη θεραπείας βασίζεται κυρίως σε ήδη παρατηρημένες μετρήσεις αριθμού CD4 λεμφοκυττάρων, κάνει τον μηχανισμό αυτό θεωρητικά τουλάχιστον αγνοήσιμο. Τα πραγματικά δεδομένα που χρησιμοποιήθηκαν προέρχονται από την Ελληνική προοπτική μελέτη AMACS, ενώ οι παράμετροι για την δημιουργία των προσομοιωμένων δεδομένων προέκυψαν από την Ευρωπαϊκή μελέτη CASCADE. Εφαρμόστηκε ένα μοντέλο τυχαίων επιδράσεων και ένα μοντέλο (JMRE) που συνδυάζει ένα μικτό μοντέλο για την εκτίμηση της μεταβολής του δείκτη και ένα λογαριθμικό μοντέλο επιβίωσης για την πληροφοριακή απόσυρση. Η απόδοση των μοντέλων αυτών αξιολογήθηκε σε προσομοιωμένα δεδομένα. Κατασκευάστηκαν τέσσερα διαφορετικά σενάρια που αντανακλούν την περικοπή παρατηρήσεων λόγω έναρξη θεραπείας. Ο μηχανισμός παραγωγής των ελλειπουσών τιμών καθορίζει την καταλληλότητα της μεθόδου ανάλυσης που πρέπει να χρησιμοποιηθεί. Το μοντέλο τυχαίων επιδράσεων δίνει αμερόληπτες εκτιμήσεις παρουσία εντελώς τυχαίων (MCAR) ή τυχαίων ελλειπουσών (MAR) τιμών. Στις περιπτώσεις που οι ελλείπουσες τιμές οφείλονται σε δεξιά πληροφοριακή απόσυρση (MNAR) ενδείκνυται η χρήση ενός μοντέλου όπως το JMRE το οποίο μειώνει την μεροληψία σε σύγκριση με το μοντέλο τυχαίων επιδράσεων. Τέλος, η χρήση του JMRE μοντέλου σε περιπτώσεις τυχαίων ελλειπουσών τιμών (MAR) οδηγεί σε μεροληπτικά αποτελέσματα.","The analysis of longitudinal data is more complicated when there are missing data. It is a well known fact that in most cases the repeated measurements are truncated due to a clinical event. When studying the CD4 count evolution during HIV natural history, the series of this marker’s measurements can be naturally censored due to death or lost to follow up and artificially censored due to clinical AIDS onset or antiretroviral treatment (ART) initiation. In the combined ART (cART) era (i.e. post 1996), the most prevalent censoring mechanism is cART initiation. If the censoring mechanism is informative then models that jointly model the marker’s evolution and the drop-out mechanism such as the Joint Multivariate Random Effects (JMRE) model, will give unbiased estimations. On the other hand, if the censoring mechanism is non-informative then models which are based in maximum likelihood estimations lead to unbiased estimations. The aim of the present study is to investigate the performance of linear mixed models and JMRE models when analyzing such data under various plausible scenarios regarding cART initiation and timing. This study focuses on the analysis of CD4 cell count, which is an important marker of the HIV natural history. The decision for cART initiation is based on observed CD4 cell count and the censoring mechanism is considered as ignorable. We used real data from Athens Multicenter AIDS Cohort Study – AMACS. We applied a linear mixed model and a JMRE model in the real data. However, the performance of the above methods is based on simulated data drown from the European CASCADE study. Four distinct scenarios which illustrate the censoring mechanism due to cART initiation have been explored. The missingness process plays a vital role on determination of the ideal method to be applied. The random effect model always results in unbiased estimates in presence of completely at random (MCAR) and missing at random (MAR) data, while in presence of non-ignorable missingness it could result in biased estimates. In case of right informative censoring, the application of a JMRE model that minimizes bias is highly recommended."]},{"key":"dc:title","label":"Title","values":["Ελλείπουσες τιμές λόγω περικοπής μετρήσεων σε διαχρονικά συνεχή δεδομένα: χρήση μοντέλων για πληροφοριακή περικοπή όταν η αποκοπή είναι αγνοήσιμη."]}]}],"canonical_facts":{"dc:creator":["Κουλάι Λουμπιάνα"],"dc:date":["2013"],"dc:description":["Η ανάλυση πολλαπλών ανά άτομο, διαχρονικών μετρήσεων συχνά γίνεται πιο περίπλοκη λόγω ύπαρξης ελλειπουσών τιμών. Μια συνηθισμένη περίπτωση είναι αυτή κατά την οποία η προγραμματισμένη σειρά μετρήσεων διακόπτεται πρόωρα εξαιτίας της εμφάνισης κάποιου συμβάματος. Χαρακτηριστικό παράδειγμα αποτελούν οι μελέτες φυσικής ιστορίας της HIV-1 λοίμωξης όπου οι μετρήσεις ενός βιολογικού δείκτη διακόπτονται λόγω θανάτου του ασθενούς. Παράλληλα, μετρήσεις πέρα από κάποιο χρονικό σημείο αποκόπτονται τεχνητά, κατά το στάδιο της ανάλυσης, επειδή ο ασθενής ανέπτυξε κλινικό AIDS ή άρχισε να λαμβάνει αντιρετροϊκή θεραπεία (και οι δυο αυτοί παράγοντες σηματοδοτούν εξ’ ορισμού την φυσική ιστορία της νόσου). Στην περίπτωση όπου μηχανισμοί αποκοπής όπως οι παραπάνω σχετίζονται με μη παρατηρούμενες ποσότητες, η περικοπή χαρακτηρίζεται ως πληροφοριακή και η εξαγωγή αμερόληπτων εκτιμήσεων για την χρονική εξέλιξη των επιπέδων του δείκτη απαιτεί χρήση τεχνικών από κοινού μοντελοποίησης (joint models) του δείκτη και του συμβάματος που οδηγεί στην περικοπή των μετρήσεων. Αντιθέτως, στην περίπτωση όπου οι μηχανισμοί περικοπής εξαρτώνται μόνο από ήδη παρατηρημένες τιμές του μελετώμενου δείκτη, η χρήση μεθόδων μέγιστης πιθανοφάνειας οδηγεί σε αμερόληπτες εκτιμήσεις. Η εργασία αυτή επικεντρώνεται στην ανάλυση του απόλυτου αριθμού CD4 λεμφοκυττάρων που αποτελεί σημαντικό ανοσολογικό δείκτη κατά την φυσική ιστορία της HIV-1 λοίμωξης. Σε τέτοια δεδομένα, ο κύριος μηχανισμός περικοπής μετρήσεων, για άτομα που μολύνθηκαν μετά το 1996, έτος όπου η αντιρετροϊκή θεραπεία υψηλής δραστικότητας άρχισε να διατίθεται ευρέως, είναι η έναρξη θεραπείας. Το γεγονός ότι η απόφαση για έναρξη θεραπείας βασίζεται κυρίως σε ήδη παρατηρημένες μετρήσεις αριθμού CD4 λεμφοκυττάρων, κάνει τον μηχανισμό αυτό θεωρητικά τουλάχιστον αγνοήσιμο. Τα πραγματικά δεδομένα που χρησιμοποιήθηκαν προέρχονται από την Ελληνική προοπτική μελέτη AMACS, ενώ οι παράμετροι για την δημιουργία των προσομοιωμένων δεδομένων προέκυψαν από την Ευρωπαϊκή μελέτη CASCADE. Εφαρμόστηκε ένα μοντέλο τυχαίων επιδράσεων και ένα μοντέλο (JMRE) που συνδυάζει ένα μικτό μοντέλο για την εκτίμηση της μεταβολής του δείκτη και ένα λογαριθμικό μοντέλο επιβίωσης για την πληροφοριακή απόσυρση. Η απόδοση των μοντέλων αυτών αξιολογήθηκε σε προσομοιωμένα δεδομένα. Κατασκευάστηκαν τέσσερα διαφορετικά σενάρια που αντανακλούν την περικοπή παρατηρήσεων λόγω έναρξη θεραπείας. Ο μηχανισμός παραγωγής των ελλειπουσών τιμών καθορίζει την καταλληλότητα της μεθόδου ανάλυσης που πρέπει να χρησιμοποιηθεί. Το μοντέλο τυχαίων επιδράσεων δίνει αμερόληπτες εκτιμήσεις παρουσία εντελώς τυχαίων (MCAR) ή τυχαίων ελλειπουσών (MAR) τιμών. Στις περιπτώσεις που οι ελλείπουσες τιμές οφείλονται σε δεξιά πληροφοριακή απόσυρση (MNAR) ενδείκνυται η χρήση ενός μοντέλου όπως το JMRE το οποίο μειώνει την μεροληψία σε σύγκριση με το μοντέλο τυχαίων επιδράσεων. Τέλος, η χρήση του JMRE μοντέλου σε περιπτώσεις τυχαίων ελλειπουσών τιμών (MAR) οδηγεί σε μεροληπτικά αποτελέσματα.","The analysis of longitudinal data is more complicated when there are missing data. It is a well known fact that in most cases the repeated measurements are truncated due to a clinical event. When studying the CD4 count evolution during HIV natural history, the series of this marker’s measurements can be naturally censored due to death or lost to follow up and artificially censored due to clinical AIDS onset or antiretroviral treatment (ART) initiation. In the combined ART (cART) era (i.e. post 1996), the most prevalent censoring mechanism is cART initiation. If the censoring mechanism is informative then models that jointly model the marker’s evolution and the drop-out mechanism such as the Joint Multivariate Random Effects (JMRE) model, will give unbiased estimations. On the other hand, if the censoring mechanism is non-informative then models which are based in maximum likelihood estimations lead to unbiased estimations. The aim of the present study is to investigate the performance of linear mixed models and JMRE models when analyzing such data under various plausible scenarios regarding cART initiation and timing. This study focuses on the analysis of CD4 cell count, which is an important marker of the HIV natural history. The decision for cART initiation is based on observed CD4 cell count and the censoring mechanism is considered as ignorable. We used real data from Athens Multicenter AIDS Cohort Study – AMACS. We applied a linear mixed model and a JMRE model in the real data. However, the performance of the above methods is based on simulated data drown from the European CASCADE study. Four distinct scenarios which illustrate the censoring mechanism due to cART initiation have been explored. The missingness process plays a vital role on determination of the ideal method to be applied. The random effect model always results in unbiased estimates in presence of completely at random (MCAR) and missing at random (MAR) data, while in presence of non-ignorable missingness it could result in biased estimates. In case of right informative censoring, the application of a JMRE model that minimizes bias is highly recommended."],"dc:identifier":["uoadl:1310991","https://pergamos.lib.uoa.gr/uoa/dl/object/1310991"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Ελλείπουσες τιμές λόγω περικοπής μετρήσεων σε διαχρονικά συνεχή δεδομένα: χρήση μοντέλων για πληροφοριακή περικοπή όταν η αποκοπή είναι αγνοήσιμη."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:22:07Z"}