{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1314914"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1314914","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Inverse probability of censoring weights under missing not at random with application to patient adherence in HIV-Positive patients in Kenya.","abstract":"Η συνήθης εκτίμηση των ρυθμών συμμόρφωσης στη θεραπεία βασίζονται σε ασθενείς που συνεχίζουν να προσέρχονται σε κλινικές επισκέψεις. Είναι σαφές ότι το επίπεδο συμμόρφωσης σε ένα πληθυσμό σχετίζεται με χαμηλότερους ρυθμούς απώλειας από παρακολούθηση καθώς και με ανεπιθύμητα κλινικά αποτελέσματα κυρίως στους ασθενείς με λοίμωξη με τον ιό του HIV. Η προτεινόμενη διπλωματική εργασία θα χρησιμοποιήσει την τεχνική της στάθμισης με την αντίστροφη πιθανότητα λογοκρισίας (IPCW) για να αντιμετωπίσει το γεγονός ότι οι ασθενείς που επιδεικνύουν κατώτερα επίπεδα συμμόρφωσης προς την αντιρετροϊική θεραπεία και, συνεπώς, δύνανται να βρίσκονται σε χειρότερη κατάσταση κλινικά από αυτούς που δείχνουν υψηλότερη συμμόρφωση, θα έχουν υψηλότερους ρυθμούς απώλειας από την παρακολούθηση. Θα σταθμίσουμε τους ασθενεις που παραμένουν υπό παρακολούθηση με το αντίστροφο της πιθανότητας να μην παρουσιάσουν λογοκρισία. Με αυτόν τον τρόπο, οι ασθενείς που έχουν μικρότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν υψηλότερα και θα αντιπροσωπεύσουν περίσσότερους από τους ασθενείς που έχουν απωλεσθεί. Αντίστροφα, οι ασθενείς που θα έχουν υψηλότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν χαμηλότερα και, συνεπώς, θα αντιπροσωπεύσουν λιγότερους απωλεσθέντες ασθενείς. Ελπίζουμε πως αυτή η προσέγγιση θα παράγει μία (προς τα κάτω) διόρθωση των υπεραισιόδοξων εκτιμήσεων επιπέδων συμμόρφωσης που βασίζονται αποκλειστικά στους ασθενείς που παραμένουν υπό παρακολούθηση. Επεκτάσεις: Η όλη προσέγγιση που περιγράφτηκε προηγουμένως προϋποθέτει ότι οι ασθενεις που παραμένουν υπό παρακολούθηση (δεν υπόκεινται λογοκρισίας) είναι, δεδομένης της ιστορίας συμμεταβλητών και θεραπείας, αντιπροσωπευτικοί αυτών που έχουν χαθεί. Αυτή η υπόθεση λέγεται τυχαίως ελλιπή δεδομένα (MAR). Αν αυτό δεν ισχύει, και οι ασθενείς που διακόπτουν την παρακολούθηση είναι υπό υψηλότερο κίνδυνο για ένα ανεπιθύμητο αποτέλεσμα (και μη συμμόρφωση) σε ρυθμούς που δεν μπορούν να προβλεφθούν από αυτούς που βρίσκονται υπό παρακολούθηση, τότε έχουμε την περίπτωση των μη τυχαία ελλιπών δεδομένων (MNAR). Συνήθως αυτή η περίπτωση δεν υπόκειται σε στατιστικό έλεγχο επειδή δεν υπάρχουν δεδομένα σε αυτούς τους ασθενείς μετά την απώλεια από παρακολούθηση. Ευτυχώς, μετρήσεις είναι διαθέσιμες σε ένα (ας ελπίσουμε τυχαίο) δείγμα των ασθενών που διακόπτουν κλινική παρακολούθηση. Προτείνουμε τη χρήση αυτών των δεδομένων που είναι διαθέσιμα σε μία υπο-ομάδα των απωλεσθέντων ασθενών (δηλ. vital status, πρόσβαση στη θεραπεία σε άλλες κλινικές μονάδες) για να διορθώσουμε περαιτέρω τις εκτιμήσεις του επίπεδου συμμόρφωσης. Η έρευνα αυτή, που περιλαμβάνει μία διωνυμική μεταβλητή (δηλ., τέλεια αντί μή τέλεια συμμόρφωση) θα ακολουθήσει την πρόσφατη ερευνητική εργασία του Δρ. Γιαννούτσου και των συνεργατών του στα Πανεπιστήμια της Ινδιάνας και του Harvard σε συνεχείς διαχρονικούς δείκτες όπως ο αριθμός CD4 λεμφοκυττάρων.","abstract_html":"Η συνήθης εκτίμηση των ρυθμών συμμόρφωσης στη θεραπεία βασίζονται σε ασθενείς που συνεχίζουν να προσέρχονται σε κλινικές επισκέψεις. Είναι σαφές ότι το επίπεδο συμμόρφωσης σε ένα πληθυσμό σχετίζεται με χαμηλότερους ρυθμούς απώλειας από παρακολούθηση καθώς και με ανεπιθύμητα κλινικά αποτελέσματα κυρίως στους ασθενείς με λοίμωξη με τον ιό του HIV. Η προτεινόμενη διπλωματική εργασία θα χρησιμοποιήσει την τεχνική της στάθμισης με την αντίστροφη πιθανότητα λογοκρισίας (IPCW) για να αντιμετωπίσει το γεγονός ότι οι ασθενείς που επιδεικνύουν κατώτερα επίπεδα συμμόρφωσης προς την αντιρετροϊική θεραπεία και, συνεπώς, δύνανται να βρίσκονται σε χειρότερη κατάσταση κλινικά από αυτούς που δείχνουν υψηλότερη συμμόρφωση, θα έχουν υψηλότερους ρυθμούς απώλειας από την παρακολούθηση. Θα σταθμίσουμε τους ασθενεις που παραμένουν υπό παρακολούθηση με το αντίστροφο της πιθανότητας να μην παρουσιάσουν λογοκρισία. Με αυτόν τον τρόπο, οι ασθενείς που έχουν μικρότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν υψηλότερα και θα αντιπροσωπεύσουν περίσσότερους από τους ασθενείς που έχουν απωλεσθεί. Αντίστροφα, οι ασθενείς που θα έχουν υψηλότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν χαμηλότερα και, συνεπώς, θα αντιπροσωπεύσουν λιγότερους απωλεσθέντες ασθενείς. Ελπίζουμε πως αυτή η προσέγγιση θα παράγει μία (προς τα κάτω) διόρθωση των υπεραισιόδοξων εκτιμήσεων επιπέδων συμμόρφωσης που βασίζονται αποκλειστικά στους ασθενείς που παραμένουν υπό παρακολούθηση. Επεκτάσεις: Η όλη προσέγγιση που περιγράφτηκε προηγουμένως προϋποθέτει ότι οι ασθενεις που παραμένουν υπό παρακολούθηση (δεν υπόκεινται λογοκρισίας) είναι, δεδομένης της ιστορίας συμμεταβλητών και θεραπείας, αντιπροσωπευτικοί αυτών που έχουν χαθεί. Αυτή η υπόθεση λέγεται τυχαίως ελλιπή δεδομένα (MAR). Αν αυτό δεν ισχύει, και οι ασθενείς που διακόπτουν την παρακολούθηση είναι υπό υψηλότερο κίνδυνο για ένα ανεπιθύμητο αποτέλεσμα (και μη συμμόρφωση) σε ρυθμούς που δεν μπορούν να προβλεφθούν από αυτούς που βρίσκονται υπό παρακολούθηση, τότε έχουμε την περίπτωση των μη τυχαία ελλιπών δεδομένων (MNAR). Συνήθως αυτή η περίπτωση δεν υπόκειται σε στατιστικό έλεγχο επειδή δεν υπάρχουν δεδομένα σε αυτούς τους ασθενείς μετά την απώλεια από παρακολούθηση. Ευτυχώς, μετρήσεις είναι διαθέσιμες σε ένα (ας ελπίσουμε τυχαίο) δείγμα των ασθενών που διακόπτουν κλινική παρακολούθηση. Προτείνουμε τη χρήση αυτών των δεδομένων που είναι διαθέσιμα σε μία υπο-ομάδα των απωλεσθέντων ασθενών (δηλ. vital status, πρόσβαση στη θεραπεία σε άλλες κλινικές μονάδες) για να διορθώσουμε περαιτέρω τις εκτιμήσεις του επίπεδου συμμόρφωσης. Η έρευνα αυτή, που περιλαμβάνει μία διωνυμική μεταβλητή (δηλ., τέλεια αντί μή τέλεια συμμόρφωση) θα ακολουθήσει την πρόσφατη ερευνητική εργασία του Δρ. Γιαννούτσου και των συνεργατών του στα Πανεπιστήμια της Ινδιάνας και του Harvard σε συνεχείς διαχρονικούς δείκτες όπως ο αριθμός CD4 λεμφοκυττάρων.","abstract_has_math":false,"creators":["Συριοπούλου Ελισάβετ"],"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":"2026-11-19T05:23:56Z","subjects":[],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1314914"],"render_values":[{"text":"uoadl:1314914","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1314914","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1314914","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%3A1314914","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Συριοπούλου Ελισάβετ"]}]},{"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":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1314914","https://pergamos.lib.uoa.gr/uoa/dl/object/1314914"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η συνήθης εκτίμηση των ρυθμών συμμόρφωσης στη θεραπεία βασίζονται σε ασθενείς που συνεχίζουν να προσέρχονται σε κλινικές επισκέψεις. Είναι σαφές ότι το επίπεδο συμμόρφωσης σε ένα πληθυσμό σχετίζεται με χαμηλότερους ρυθμούς απώλειας από παρακολούθηση καθώς και με ανεπιθύμητα κλινικά αποτελέσματα κυρίως στους ασθενείς με λοίμωξη με τον ιό του HIV. Η προτεινόμενη διπλωματική εργασία θα χρησιμοποιήσει την τεχνική της στάθμισης με την αντίστροφη πιθανότητα λογοκρισίας (IPCW) για να αντιμετωπίσει το γεγονός ότι οι ασθενείς που επιδεικνύουν κατώτερα επίπεδα συμμόρφωσης προς την αντιρετροϊική θεραπεία και, συνεπώς, δύνανται να βρίσκονται σε χειρότερη κατάσταση κλινικά από αυτούς που δείχνουν υψηλότερη συμμόρφωση, θα έχουν υψηλότερους ρυθμούς απώλειας από την παρακολούθηση. Θα σταθμίσουμε τους ασθενεις που παραμένουν υπό παρακολούθηση με το αντίστροφο της πιθανότητας να μην παρουσιάσουν λογοκρισία. Με αυτόν τον τρόπο, οι ασθενείς που έχουν μικρότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν υψηλότερα και θα αντιπροσωπεύσουν περίσσότερους από τους ασθενείς που έχουν απωλεσθεί. Αντίστροφα, οι ασθενείς που θα έχουν υψηλότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν χαμηλότερα και, συνεπώς, θα αντιπροσωπεύσουν λιγότερους απωλεσθέντες ασθενείς. Ελπίζουμε πως αυτή η προσέγγιση θα παράγει μία (προς τα κάτω) διόρθωση των υπεραισιόδοξων εκτιμήσεων επιπέδων συμμόρφωσης που βασίζονται αποκλειστικά στους ασθενείς που παραμένουν υπό παρακολούθηση. Επεκτάσεις: Η όλη προσέγγιση που περιγράφτηκε προηγουμένως προϋποθέτει ότι οι ασθενεις που παραμένουν υπό παρακολούθηση (δεν υπόκεινται λογοκρισίας) είναι, δεδομένης της ιστορίας συμμεταβλητών και θεραπείας, αντιπροσωπευτικοί αυτών που έχουν χαθεί. Αυτή η υπόθεση λέγεται τυχαίως ελλιπή δεδομένα (MAR). Αν αυτό δεν ισχύει, και οι ασθενείς που διακόπτουν την παρακολούθηση είναι υπό υψηλότερο κίνδυνο για ένα ανεπιθύμητο αποτέλεσμα (και μη συμμόρφωση) σε ρυθμούς που δεν μπορούν να προβλεφθούν από αυτούς που βρίσκονται υπό παρακολούθηση, τότε έχουμε την περίπτωση των μη τυχαία ελλιπών δεδομένων (MNAR). Συνήθως αυτή η περίπτωση δεν υπόκειται σε στατιστικό έλεγχο επειδή δεν υπάρχουν δεδομένα σε αυτούς τους ασθενείς μετά την απώλεια από παρακολούθηση. Ευτυχώς, μετρήσεις είναι διαθέσιμες σε ένα (ας ελπίσουμε τυχαίο) δείγμα των ασθενών που διακόπτουν κλινική παρακολούθηση. Προτείνουμε τη χρήση αυτών των δεδομένων που είναι διαθέσιμα σε μία υπο-ομάδα των απωλεσθέντων ασθενών (δηλ. vital status, πρόσβαση στη θεραπεία σε άλλες κλινικές μονάδες) για να διορθώσουμε περαιτέρω τις εκτιμήσεις του επίπεδου συμμόρφωσης. Η έρευνα αυτή, που περιλαμβάνει μία διωνυμική μεταβλητή (δηλ., τέλεια αντί μή τέλεια συμμόρφωση) θα ακολουθήσει την πρόσφατη ερευνητική εργασία του Δρ. Γιαννούτσου και των συνεργατών του στα Πανεπιστήμια της Ινδιάνας και του Harvard σε συνεχείς διαχρονικούς δείκτες όπως ο αριθμός CD4 λεμφοκυττάρων.","Routine estimation of the rates of drug adherence in a population are based on patients who continue to be engaged in care (i.e., continue to come to clinic visits). It is well understood that lower levels of adherence in a population is associated with differential rates of dropout (disengagement from care) as well as adverse clinical outcomes. This is particularly the case among patients infected with HIV. This project will use a technique called inverse probability of censoring weights (IPCW) to account for the fact that patients who are less adherent and, consequently, may be sicker than those who are more adherent, will experience higher rates of disengagement from care. By weighing patients who remain in care by the inverse probability of remain uncensored, patients who have lower probability of remaining in care (uncensored) are weighted higher and thus represent more patients who dropout. Conversely, patients who have higher probability of remaining in care represent less patients who dropout. We hope that this approach will provide a (downward) adjustment of the usually optimistic estimates of patient adherence estimated by using data on only those patients who remain in care. Extensions: The entire approach presented earlier assumes that patients remaining in care (i.e., those who remain uncensored) are, conditional on their covariate and treatment history, representative of those who dropout. This is called the missing at random (MAR) assumption. If this is not the case, and the patients who dropout are at higher risk for adverse outcome (and non-adherence) at rates which cannot be predicted by those still in care, we have what is called missing not at random (MNAR). Usually this situation is untestable since there are no data on these patients after disengagement. Fortunately, data are available on a (hopefully random) sample of patients disengaging from care. We propose to use these data on the sub-sample of the dropouts (vital status, treatment access in other facilities) to further refine the adjustments to the estimates of adherence. This work, involving a binary variable (i.e., perfect versus non-perfect adherence) will follow recent work by Dr. Yiannoutsos and his colleagues at Indiana and Harvard Universities involving continuous longitudinal markers such as CD4 count."]},{"key":"dc:title","label":"Title","values":["Inverse probability of censoring weights under missing not at random with application to patient adherence in HIV-Positive patients in Kenya."]}]}],"canonical_facts":{"dc:creator":["Συριοπούλου Ελισάβετ"],"dc:date":["2015"],"dc:description":["Η συνήθης εκτίμηση των ρυθμών συμμόρφωσης στη θεραπεία βασίζονται σε ασθενείς που συνεχίζουν να προσέρχονται σε κλινικές επισκέψεις. Είναι σαφές ότι το επίπεδο συμμόρφωσης σε ένα πληθυσμό σχετίζεται με χαμηλότερους ρυθμούς απώλειας από παρακολούθηση καθώς και με ανεπιθύμητα κλινικά αποτελέσματα κυρίως στους ασθενείς με λοίμωξη με τον ιό του HIV. Η προτεινόμενη διπλωματική εργασία θα χρησιμοποιήσει την τεχνική της στάθμισης με την αντίστροφη πιθανότητα λογοκρισίας (IPCW) για να αντιμετωπίσει το γεγονός ότι οι ασθενείς που επιδεικνύουν κατώτερα επίπεδα συμμόρφωσης προς την αντιρετροϊική θεραπεία και, συνεπώς, δύνανται να βρίσκονται σε χειρότερη κατάσταση κλινικά από αυτούς που δείχνουν υψηλότερη συμμόρφωση, θα έχουν υψηλότερους ρυθμούς απώλειας από την παρακολούθηση. Θα σταθμίσουμε τους ασθενεις που παραμένουν υπό παρακολούθηση με το αντίστροφο της πιθανότητας να μην παρουσιάσουν λογοκρισία. Με αυτόν τον τρόπο, οι ασθενείς που έχουν μικρότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν υψηλότερα και θα αντιπροσωπεύσουν περίσσότερους από τους ασθενείς που έχουν απωλεσθεί. Αντίστροφα, οι ασθενείς που θα έχουν υψηλότερη πιθανότητα να παραμείνουν υπό παρακολούθηση θα σταθμιστούν χαμηλότερα και, συνεπώς, θα αντιπροσωπεύσουν λιγότερους απωλεσθέντες ασθενείς. Ελπίζουμε πως αυτή η προσέγγιση θα παράγει μία (προς τα κάτω) διόρθωση των υπεραισιόδοξων εκτιμήσεων επιπέδων συμμόρφωσης που βασίζονται αποκλειστικά στους ασθενείς που παραμένουν υπό παρακολούθηση. Επεκτάσεις: Η όλη προσέγγιση που περιγράφτηκε προηγουμένως προϋποθέτει ότι οι ασθενεις που παραμένουν υπό παρακολούθηση (δεν υπόκεινται λογοκρισίας) είναι, δεδομένης της ιστορίας συμμεταβλητών και θεραπείας, αντιπροσωπευτικοί αυτών που έχουν χαθεί. Αυτή η υπόθεση λέγεται τυχαίως ελλιπή δεδομένα (MAR). Αν αυτό δεν ισχύει, και οι ασθενείς που διακόπτουν την παρακολούθηση είναι υπό υψηλότερο κίνδυνο για ένα ανεπιθύμητο αποτέλεσμα (και μη συμμόρφωση) σε ρυθμούς που δεν μπορούν να προβλεφθούν από αυτούς που βρίσκονται υπό παρακολούθηση, τότε έχουμε την περίπτωση των μη τυχαία ελλιπών δεδομένων (MNAR). Συνήθως αυτή η περίπτωση δεν υπόκειται σε στατιστικό έλεγχο επειδή δεν υπάρχουν δεδομένα σε αυτούς τους ασθενείς μετά την απώλεια από παρακολούθηση. Ευτυχώς, μετρήσεις είναι διαθέσιμες σε ένα (ας ελπίσουμε τυχαίο) δείγμα των ασθενών που διακόπτουν κλινική παρακολούθηση. Προτείνουμε τη χρήση αυτών των δεδομένων που είναι διαθέσιμα σε μία υπο-ομάδα των απωλεσθέντων ασθενών (δηλ. vital status, πρόσβαση στη θεραπεία σε άλλες κλινικές μονάδες) για να διορθώσουμε περαιτέρω τις εκτιμήσεις του επίπεδου συμμόρφωσης. Η έρευνα αυτή, που περιλαμβάνει μία διωνυμική μεταβλητή (δηλ., τέλεια αντί μή τέλεια συμμόρφωση) θα ακολουθήσει την πρόσφατη ερευνητική εργασία του Δρ. Γιαννούτσου και των συνεργατών του στα Πανεπιστήμια της Ινδιάνας και του Harvard σε συνεχείς διαχρονικούς δείκτες όπως ο αριθμός CD4 λεμφοκυττάρων.","Routine estimation of the rates of drug adherence in a population are based on patients who continue to be engaged in care (i.e., continue to come to clinic visits). It is well understood that lower levels of adherence in a population is associated with differential rates of dropout (disengagement from care) as well as adverse clinical outcomes. This is particularly the case among patients infected with HIV. This project will use a technique called inverse probability of censoring weights (IPCW) to account for the fact that patients who are less adherent and, consequently, may be sicker than those who are more adherent, will experience higher rates of disengagement from care. By weighing patients who remain in care by the inverse probability of remain uncensored, patients who have lower probability of remaining in care (uncensored) are weighted higher and thus represent more patients who dropout. Conversely, patients who have higher probability of remaining in care represent less patients who dropout. We hope that this approach will provide a (downward) adjustment of the usually optimistic estimates of patient adherence estimated by using data on only those patients who remain in care. Extensions: The entire approach presented earlier assumes that patients remaining in care (i.e., those who remain uncensored) are, conditional on their covariate and treatment history, representative of those who dropout. This is called the missing at random (MAR) assumption. If this is not the case, and the patients who dropout are at higher risk for adverse outcome (and non-adherence) at rates which cannot be predicted by those still in care, we have what is called missing not at random (MNAR). Usually this situation is untestable since there are no data on these patients after disengagement. Fortunately, data are available on a (hopefully random) sample of patients disengaging from care. We propose to use these data on the sub-sample of the dropouts (vital status, treatment access in other facilities) to further refine the adjustments to the estimates of adherence. This work, involving a binary variable (i.e., perfect versus non-perfect adherence) will follow recent work by Dr. Yiannoutsos and his colleagues at Indiana and Harvard Universities involving continuous longitudinal markers such as CD4 count."],"dc:identifier":["uoadl:1314914","https://pergamos.lib.uoa.gr/uoa/dl/object/1314914"],"dc:language":["English"],"dc:title":["Inverse probability of censoring weights under missing not at random with application to patient adherence in HIV-Positive patients in Kenya."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:23:56Z"}