{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1317900"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1317900","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Η Χρήση των μοντέλων πολλαπλών καταστάσεων σε ανάλυση δεδομένων από ασθενείς με λοίμωξη σε ΜΕΘ","abstract":"Τα δεδομένα επιβίωσης αφορούν τον χρόνο μέχρι την εμφάνιση ενός γεγονότος, όπως ο θάνατος, η υποτροπή ή αποτυχία του μοσχεύματος. Η ανάλυση επιβίωσης λαμβάνει υπ’όψιν της και τα μη πλήρη (λογοκριμένα) δεδομένα, τα οποία είναι σημαντικά για την ακριβή εκτίμηση των αποτελεσμάτων. Παρουσιάζονται παραμετρικές, μη παραμετρικές μέθοδοι καθώς και το ημιπαραμετρικό μοντέλο αναλογικών κινδύνων του Cox. Η περίπτωση που συμβαίνουν πολλαπλά είδη γεγονότων και αυτά είναι αμοιβαία αποκλειόμενα μεταξύ τους, τότε έχουμε τα μοντέλα ανταγωνιστικών κινδύνων. Ενώ τα μοντέλα πολλαπλών καταστάσεων πρόκειται για πολλαπλά είδη γεγονότων που συμβαίνουν διαδοχικά και γενικεύουν τα μοντέλα ανταγωνιστικών κινδύνων περιγράφοντας και αναλύοντας και μεταβάσεις ενδιάμεσων γεγονότων. Στόχος αυτής της διπλωματικής εργασίας είναι να εκτιμηθεί αν επηρεάζονται και πως η θνητότητα και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας από λοιμώξεις που αποκτούνται στο νοσοκομείο, όπως η πνευμονία λόγω μηχανικής αναπνοής από αναπνευστήρα, η βακτηριαιμία και η ουρολοίμωξη. Η στατιστική ανάλυση των δεδομένων από 294 ασθενείς με λοίμωξη σε μονάδα εντατικής θεραπείας έγινε με τα μοντέλα πολλαπλών καταστάσεων. Οι συμμεταβλητές του σκορ Apache, της προυπάρχουσας λοίμωξης και της διάρκειας μηχανικής αναπνοής βρέθηκαν στατιστικά σημαντικές και συμπεριλήφθηκαν στο μοντέλο. Βρέθηκε ότι η αποδιδόμενη θνητότητα στην πνευμονία είναι 5,5% και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας αλλάζει κατά 5.9±1.8 ημέρε","abstract_html":"Τα δεδομένα επιβίωσης αφορούν τον χρόνο μέχρι την εμφάνιση ενός γεγονότος, όπως ο θάνατος, η υποτροπή ή αποτυχία του μοσχεύματος. Η ανάλυση επιβίωσης λαμβάνει υπ’όψιν της και τα μη πλήρη (λογοκριμένα) δεδομένα, τα οποία είναι σημαντικά για την ακριβή εκτίμηση των αποτελεσμάτων. Παρουσιάζονται παραμετρικές, μη παραμετρικές μέθοδοι καθώς και το ημιπαραμετρικό μοντέλο αναλογικών κινδύνων του Cox. Η περίπτωση που συμβαίνουν πολλαπλά είδη γεγονότων και αυτά είναι αμοιβαία αποκλειόμενα μεταξύ τους, τότε έχουμε τα μοντέλα ανταγωνιστικών κινδύνων. Ενώ τα μοντέλα πολλαπλών καταστάσεων πρόκειται για πολλαπλά είδη γεγονότων που συμβαίνουν διαδοχικά και γενικεύουν τα μοντέλα ανταγωνιστικών κινδύνων περιγράφοντας και αναλύοντας και μεταβάσεις ενδιάμεσων γεγονότων. Στόχος αυτής της διπλωματικής εργασίας είναι να εκτιμηθεί αν επηρεάζονται και πως η θνητότητα και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας από λοιμώξεις που αποκτούνται στο νοσοκομείο, όπως η πνευμονία λόγω μηχανικής αναπνοής από αναπνευστήρα, η βακτηριαιμία και η ουρολοίμωξη. Η στατιστική ανάλυση των δεδομένων από 294 ασθενείς με λοίμωξη σε μονάδα εντατικής θεραπείας έγινε με τα μοντέλα πολλαπλών καταστάσεων. Οι συμμεταβλητές του σκορ Apache, της προυπάρχουσας λοίμωξης και της διάρκειας μηχανικής αναπνοής βρέθηκαν στατιστικά σημαντικές και συμπεριλήφθηκαν στο μοντέλο. Βρέθηκε ότι η αποδιδόμενη θνητότητα στην πνευμονία είναι 5,5% και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας αλλάζει κατά 5.9±1.8 ημέρε","abstract_has_math":false,"creators":["Μούττη Μαρία"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2012,"date_issued":"2012","date_published":"2012","updated_at":"2026-11-19T05:25:12Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1317900"],"render_values":[{"text":"uoadl:1317900","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1317900","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1317900","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%3A1317900","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μούττη Μαρία"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2012"]},{"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:1317900","https://pergamos.lib.uoa.gr/uoa/dl/object/1317900"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα δεδομένα επιβίωσης αφορούν τον χρόνο μέχρι την εμφάνιση ενός γεγονότος, όπως ο θάνατος, η υποτροπή ή αποτυχία του μοσχεύματος. Η ανάλυση επιβίωσης λαμβάνει υπ’όψιν της και τα μη πλήρη (λογοκριμένα) δεδομένα, τα οποία είναι σημαντικά για την ακριβή εκτίμηση των αποτελεσμάτων. Παρουσιάζονται παραμετρικές, μη παραμετρικές μέθοδοι καθώς και το ημιπαραμετρικό μοντέλο αναλογικών κινδύνων του Cox. Η περίπτωση που συμβαίνουν πολλαπλά είδη γεγονότων και αυτά είναι αμοιβαία αποκλειόμενα μεταξύ τους, τότε έχουμε τα μοντέλα ανταγωνιστικών κινδύνων. Ενώ τα μοντέλα πολλαπλών καταστάσεων πρόκειται για πολλαπλά είδη γεγονότων που συμβαίνουν διαδοχικά και γενικεύουν τα μοντέλα ανταγωνιστικών κινδύνων περιγράφοντας και αναλύοντας και μεταβάσεις ενδιάμεσων γεγονότων. Στόχος αυτής της διπλωματικής εργασίας είναι να εκτιμηθεί αν επηρεάζονται και πως η θνητότητα και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας από λοιμώξεις που αποκτούνται στο νοσοκομείο, όπως η πνευμονία λόγω μηχανικής αναπνοής από αναπνευστήρα, η βακτηριαιμία και η ουρολοίμωξη. Η στατιστική ανάλυση των δεδομένων από 294 ασθενείς με λοίμωξη σε μονάδα εντατικής θεραπείας έγινε με τα μοντέλα πολλαπλών καταστάσεων. Οι συμμεταβλητές του σκορ Apache, της προυπάρχουσας λοίμωξης και της διάρκειας μηχανικής αναπνοής βρέθηκαν στατιστικά σημαντικές και συμπεριλήφθηκαν στο μοντέλο. Βρέθηκε ότι η αποδιδόμενη θνητότητα στην πνευμονία είναι 5,5% και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας αλλάζει κατά 5.9±1.8 ημέρε","Survival analysis deals with the statistical analysis of the time to the occurrence of an event like death, relapse, or graft failure. Survival analysis takes into account censored data, which is important to estimate accurate results. It is presented parametric, non-parametric methods and semi parametric Cox proportional hazards model. Often, in the disease or recovery process of a patient, multiple types of events can occur. These different events may be mutually exclusive or may occur sequentially. The first instance is called competing risks, the second a multi-state model. Multi-state models generalize competing risks describing and analyzing transitions of intermediate events. This thesis’s goal is to assess whether and how nosocomial infections (ventilator associated pneumonia-VAP, bloodstream infection and urinary infection) acquired in the hospital affect to mortality and length of stay in the intensive care units. Multi state models are used to analyze the data of 294 ventilated patients. In a multivariate model where infection, Apache score and duration of ventilation were included we observe that the attributable mortality of VAP was 5,5% and the change of length of stay due to VAP was 5.9±1.8 days."]},{"key":"dc:title","label":"Title","values":["Η Χρήση των μοντέλων πολλαπλών καταστάσεων σε ανάλυση δεδομένων από ασθενείς με λοίμωξη σε ΜΕΘ"]}]}],"canonical_facts":{"dc:creator":["Μούττη Μαρία"],"dc:date":["2012"],"dc:description":["Τα δεδομένα επιβίωσης αφορούν τον χρόνο μέχρι την εμφάνιση ενός γεγονότος, όπως ο θάνατος, η υποτροπή ή αποτυχία του μοσχεύματος. Η ανάλυση επιβίωσης λαμβάνει υπ’όψιν της και τα μη πλήρη (λογοκριμένα) δεδομένα, τα οποία είναι σημαντικά για την ακριβή εκτίμηση των αποτελεσμάτων. Παρουσιάζονται παραμετρικές, μη παραμετρικές μέθοδοι καθώς και το ημιπαραμετρικό μοντέλο αναλογικών κινδύνων του Cox. Η περίπτωση που συμβαίνουν πολλαπλά είδη γεγονότων και αυτά είναι αμοιβαία αποκλειόμενα μεταξύ τους, τότε έχουμε τα μοντέλα ανταγωνιστικών κινδύνων. Ενώ τα μοντέλα πολλαπλών καταστάσεων πρόκειται για πολλαπλά είδη γεγονότων που συμβαίνουν διαδοχικά και γενικεύουν τα μοντέλα ανταγωνιστικών κινδύνων περιγράφοντας και αναλύοντας και μεταβάσεις ενδιάμεσων γεγονότων. Στόχος αυτής της διπλωματικής εργασίας είναι να εκτιμηθεί αν επηρεάζονται και πως η θνητότητα και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας από λοιμώξεις που αποκτούνται στο νοσοκομείο, όπως η πνευμονία λόγω μηχανικής αναπνοής από αναπνευστήρα, η βακτηριαιμία και η ουρολοίμωξη. Η στατιστική ανάλυση των δεδομένων από 294 ασθενείς με λοίμωξη σε μονάδα εντατικής θεραπείας έγινε με τα μοντέλα πολλαπλών καταστάσεων. Οι συμμεταβλητές του σκορ Apache, της προυπάρχουσας λοίμωξης και της διάρκειας μηχανικής αναπνοής βρέθηκαν στατιστικά σημαντικές και συμπεριλήφθηκαν στο μοντέλο. Βρέθηκε ότι η αποδιδόμενη θνητότητα στην πνευμονία είναι 5,5% και η διάρκεια παραμονής σε μονάδα εντατικής θεραπείας αλλάζει κατά 5.9±1.8 ημέρε","Survival analysis deals with the statistical analysis of the time to the occurrence of an event like death, relapse, or graft failure. Survival analysis takes into account censored data, which is important to estimate accurate results. It is presented parametric, non-parametric methods and semi parametric Cox proportional hazards model. Often, in the disease or recovery process of a patient, multiple types of events can occur. These different events may be mutually exclusive or may occur sequentially. The first instance is called competing risks, the second a multi-state model. Multi-state models generalize competing risks describing and analyzing transitions of intermediate events. This thesis’s goal is to assess whether and how nosocomial infections (ventilator associated pneumonia-VAP, bloodstream infection and urinary infection) acquired in the hospital affect to mortality and length of stay in the intensive care units. Multi state models are used to analyze the data of 294 ventilated patients. In a multivariate model where infection, Apache score and duration of ventilation were included we observe that the attributable mortality of VAP was 5,5% and the change of length of stay due to VAP was 5.9±1.8 days."],"dc:identifier":["uoadl:1317900","https://pergamos.lib.uoa.gr/uoa/dl/object/1317900"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Η Χρήση των μοντέλων πολλαπλών καταστάσεων σε ανάλυση δεδομένων από ασθενείς με λοίμωξη σε ΜΕΘ"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:25:12Z"}