{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1692138"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1692138","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"The use of different timescales in multiple event survival analysis with application to care adherence in HIV-positive patients of the greek cohort study AMACS","abstract":"Η διπλωματική εργασία έχει τρεις σκοπούς. Ο πρώτος είναι να προσφέρει τη δυνατότητα εξοικείωσης με τη διαχείριση μεγάλων βάσεων δεδομένων, ο δεύτερος είναι να διερευνηθεί η πιθανή επίδραση της χρονικής κλίμακας που χρησιμοποιείται στα συσχετισμένα δεδομένα επιβίωσης και ο τρίτος είναι ο εντοπισμός παραγόντων που οδηγούν τους ασθενείς στη μη συμμόρφωση κατά την παρακολούθηση και την θεραπεία. Σε αυτή τη διερεύνηση χρησιμοποιήθηκαν δύο χρονικές κλίμακες (κλίμακα βασισμένη στα κενά της θεραπείας – gap timescale - και ημερολογιακή κλίμακα - calendar timescale -) καθώς και αρκετά μοντέλα ώστε να διαπιστωθεί ποια κλίμακα είναι η καταλληλότερη. Τα δεδομένα μπορεί να είναι συσχετισμένα βάση πολλαπλών αποτυχιών στο επίπεδο του ατόμου. Σε περιπτώσεις κατά τις οποίες τα άτομα που συμμετέχουν σε μία μελέτη παρουσιάζουν την ίδια έκβαση πολλές φορές, τότε αναφερόμαστε στα δεδομένα ως δεδομένα πολλαπλών αποτυχιών. Τα δεδομένα αυτά μπορεί να παρουσιάσουν ταυτόχρονα συσχέτιση μεταξύ των αποτυχιών καθώς και ετερογένεια ανάμεσα στα άτομα που συμμετέχουν στην μελέτη. Επομένως, πρέπει να βρεθεί ένας κοινός τρόπος ώστε να μοντελοποιηθεί η συσχέτιση των παρατηρήσεων ενός ατόμου καθώς και η ετερογένεια μεταξύ των παρατηρήσεων διαφορετικών ατόμων. Τα μοντέλα που περιέχουν διόρθωση της διακύμανσης (Variance corrected models) και τα μοντέλα τυχαίων επιδράσεων (shared frailty models) μπορούν να χρησιμοποιηθούν για αυτό το σκοπό. Επιπλέον, μπορεί να χρησιμοποιηθεί το δεσμευμένο μοντέλο τυχαίων επιδράσεων (shared frailty model) ώστε να μοντελοποιηθεί συσχέτιση και η ετερογένεια με την χρήση τυχαίων επιδράσεων και αναφορικών συναρτήσεων κινδύνου που βασίζονται στη φυσική σειρά των αποτυχιών (event-based baseline hazards). Όλα τα προαναφερθέντα μοντέλα εφαρμόστηκαν στη βάση δεδομένων της ελληνικής προοπτικής μελέτης AMACS.","abstract_html":"Η διπλωματική εργασία έχει τρεις σκοπούς. Ο πρώτος είναι να προσφέρει τη δυνατότητα εξοικείωσης με τη διαχείριση μεγάλων βάσεων δεδομένων, ο δεύτερος είναι να διερευνηθεί η πιθανή επίδραση της χρονικής κλίμακας που χρησιμοποιείται στα συσχετισμένα δεδομένα επιβίωσης και ο τρίτος είναι ο εντοπισμός παραγόντων που οδηγούν τους ασθενείς στη μη συμμόρφωση κατά την παρακολούθηση και την θεραπεία. Σε αυτή τη διερεύνηση χρησιμοποιήθηκαν δύο χρονικές κλίμακες (κλίμακα βασισμένη στα κενά της θεραπείας – gap timescale - και ημερολογιακή κλίμακα - calendar timescale -) καθώς και αρκετά μοντέλα ώστε να διαπιστωθεί ποια κλίμακα είναι η καταλληλότερη. Τα δεδομένα μπορεί να είναι συσχετισμένα βάση πολλαπλών αποτυχιών στο επίπεδο του ατόμου. Σε περιπτώσεις κατά τις οποίες τα άτομα που συμμετέχουν σε μία μελέτη παρουσιάζουν την ίδια έκβαση πολλές φορές, τότε αναφερόμαστε στα δεδομένα ως δεδομένα πολλαπλών αποτυχιών. Τα δεδομένα αυτά μπορεί να παρουσιάσουν ταυτόχρονα συσχέτιση μεταξύ των αποτυχιών καθώς και ετερογένεια ανάμεσα στα άτομα που συμμετέχουν στην μελέτη. Επομένως, πρέπει να βρεθεί ένας κοινός τρόπος ώστε να μοντελοποιηθεί η συσχέτιση των παρατηρήσεων ενός ατόμου καθώς και η ετερογένεια μεταξύ των παρατηρήσεων διαφορετικών ατόμων. Τα μοντέλα που περιέχουν διόρθωση της διακύμανσης (Variance corrected models) και τα μοντέλα τυχαίων επιδράσεων (shared frailty models) μπορούν να χρησιμοποιηθούν για αυτό το σκοπό. Επιπλέον, μπορεί να χρησιμοποιηθεί το δεσμευμένο μοντέλο τυχαίων επιδράσεων (shared frailty model) ώστε να μοντελοποιηθεί συσχέτιση και η ετερογένεια με την χρήση τυχαίων επιδράσεων και αναφορικών συναρτήσεων κινδύνου που βασίζονται στη φυσική σειρά των αποτυχιών (event-based baseline hazards). Όλα τα προαναφερθέντα μοντέλα εφαρμόστηκαν στη βάση δεδομένων της ελληνικής προοπτικής μελέτης AMACS.","abstract_has_math":false,"creators":["Οικονομίδης Αλκιβιάδης","Oikonomidis Alkibiadis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2017,"date_issued":"2017","date_published":"2017","updated_at":"2026-11-19T05:29:12Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1692138"],"render_values":[{"text":"uoadl:1692138","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1692138","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1692138","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%3A1692138","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Οικονομίδης Αλκιβιάδης","Oikonomidis Alkibiadis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2017"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"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:1692138","https://pergamos.lib.uoa.gr/uoa/dl/object/1692138"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η διπλωματική εργασία έχει τρεις σκοπούς. Ο πρώτος είναι να προσφέρει τη δυνατότητα εξοικείωσης με τη διαχείριση μεγάλων βάσεων δεδομένων, ο δεύτερος είναι να διερευνηθεί η πιθανή επίδραση της χρονικής κλίμακας που χρησιμοποιείται στα συσχετισμένα δεδομένα επιβίωσης και ο τρίτος είναι ο εντοπισμός παραγόντων που οδηγούν τους ασθενείς στη μη συμμόρφωση κατά την παρακολούθηση και την θεραπεία. Σε αυτή τη διερεύνηση χρησιμοποιήθηκαν δύο χρονικές κλίμακες (κλίμακα βασισμένη στα κενά της θεραπείας – gap timescale - και ημερολογιακή κλίμακα - calendar timescale -) καθώς και αρκετά μοντέλα ώστε να διαπιστωθεί ποια κλίμακα είναι η καταλληλότερη. Τα δεδομένα μπορεί να είναι συσχετισμένα βάση πολλαπλών αποτυχιών στο επίπεδο του ατόμου. Σε περιπτώσεις κατά τις οποίες τα άτομα που συμμετέχουν σε μία μελέτη παρουσιάζουν την ίδια έκβαση πολλές φορές, τότε αναφερόμαστε στα δεδομένα ως δεδομένα πολλαπλών αποτυχιών. Τα δεδομένα αυτά μπορεί να παρουσιάσουν ταυτόχρονα συσχέτιση μεταξύ των αποτυχιών καθώς και ετερογένεια ανάμεσα στα άτομα που συμμετέχουν στην μελέτη. Επομένως, πρέπει να βρεθεί ένας κοινός τρόπος ώστε να μοντελοποιηθεί η συσχέτιση των παρατηρήσεων ενός ατόμου καθώς και η ετερογένεια μεταξύ των παρατηρήσεων διαφορετικών ατόμων. Τα μοντέλα που περιέχουν διόρθωση της διακύμανσης (Variance corrected models) και τα μοντέλα τυχαίων επιδράσεων (shared frailty models) μπορούν να χρησιμοποιηθούν για αυτό το σκοπό. Επιπλέον, μπορεί να χρησιμοποιηθεί το δεσμευμένο μοντέλο τυχαίων επιδράσεων (shared frailty model) ώστε να μοντελοποιηθεί συσχέτιση και η ετερογένεια με την χρήση τυχαίων επιδράσεων και αναφορικών συναρτήσεων κινδύνου που βασίζονται στη φυσική σειρά των αποτυχιών (event-based baseline hazards). Όλα τα προαναφερθέντα μοντέλα εφαρμόστηκαν στη βάση δεδομένων της ελληνικής προοπτικής μελέτης AMACS.","The current thesis has three aims. One is to provide the chance of getting familiar with the management of large databases the second is to determine the effect of the timescale that is used in correlated event data and the third is to link factors to patient attrition from HIV monitoring and treatment. For that reason, two different timescales; gap and calendar timescale and a handful of models are implemented, in order to determine which timescale is more appropriate. Data may be correlated due to multiple events of the same subject. In the case where the study's subjects are experiencing the same type of event multiple times, we refer to the data as recurrent event data. In the analysis of such data, correlation among events and heterogeneity of subjects may present simultaneously in many situations. Therefore we need to find a way to model the association within the observations of a cluster (subject) as well the variance between different subjects (clusters). Variance corrected and shared frailty models can be used for that reason. We also consider the conditional shared frailty model in order to model both correlation and heterogeneity with the use of event-based baseline hazards and random effect. All models were fitted to a dataset of HIV-positive patients in Greece provided by AMACS. Our simulations showed that the simple frailty models performed slightly better than all other models that were fitted as the conditional frailty models were quite unstable. However the fittings on the empirical data pointed to the opposite direction, as the conditional frailty model under the calendar timescale seemed to be the most appropriate way to assess subject heterogeneity as well as event dependence."]},{"key":"dc:title","label":"Title","values":["The use of different timescales in multiple event survival analysis with application to care adherence in HIV-positive patients of the greek cohort study AMACS"]}]}],"canonical_facts":{"dc:creator":["Οικονομίδης Αλκιβιάδης","Oikonomidis Alkibiadis"],"dc:date":["2017"],"dc:description":["Η διπλωματική εργασία έχει τρεις σκοπούς. Ο πρώτος είναι να προσφέρει τη δυνατότητα εξοικείωσης με τη διαχείριση μεγάλων βάσεων δεδομένων, ο δεύτερος είναι να διερευνηθεί η πιθανή επίδραση της χρονικής κλίμακας που χρησιμοποιείται στα συσχετισμένα δεδομένα επιβίωσης και ο τρίτος είναι ο εντοπισμός παραγόντων που οδηγούν τους ασθενείς στη μη συμμόρφωση κατά την παρακολούθηση και την θεραπεία. Σε αυτή τη διερεύνηση χρησιμοποιήθηκαν δύο χρονικές κλίμακες (κλίμακα βασισμένη στα κενά της θεραπείας – gap timescale - και ημερολογιακή κλίμακα - calendar timescale -) καθώς και αρκετά μοντέλα ώστε να διαπιστωθεί ποια κλίμακα είναι η καταλληλότερη. Τα δεδομένα μπορεί να είναι συσχετισμένα βάση πολλαπλών αποτυχιών στο επίπεδο του ατόμου. Σε περιπτώσεις κατά τις οποίες τα άτομα που συμμετέχουν σε μία μελέτη παρουσιάζουν την ίδια έκβαση πολλές φορές, τότε αναφερόμαστε στα δεδομένα ως δεδομένα πολλαπλών αποτυχιών. Τα δεδομένα αυτά μπορεί να παρουσιάσουν ταυτόχρονα συσχέτιση μεταξύ των αποτυχιών καθώς και ετερογένεια ανάμεσα στα άτομα που συμμετέχουν στην μελέτη. Επομένως, πρέπει να βρεθεί ένας κοινός τρόπος ώστε να μοντελοποιηθεί η συσχέτιση των παρατηρήσεων ενός ατόμου καθώς και η ετερογένεια μεταξύ των παρατηρήσεων διαφορετικών ατόμων. Τα μοντέλα που περιέχουν διόρθωση της διακύμανσης (Variance corrected models) και τα μοντέλα τυχαίων επιδράσεων (shared frailty models) μπορούν να χρησιμοποιηθούν για αυτό το σκοπό. Επιπλέον, μπορεί να χρησιμοποιηθεί το δεσμευμένο μοντέλο τυχαίων επιδράσεων (shared frailty model) ώστε να μοντελοποιηθεί συσχέτιση και η ετερογένεια με την χρήση τυχαίων επιδράσεων και αναφορικών συναρτήσεων κινδύνου που βασίζονται στη φυσική σειρά των αποτυχιών (event-based baseline hazards). Όλα τα προαναφερθέντα μοντέλα εφαρμόστηκαν στη βάση δεδομένων της ελληνικής προοπτικής μελέτης AMACS.","The current thesis has three aims. One is to provide the chance of getting familiar with the management of large databases the second is to determine the effect of the timescale that is used in correlated event data and the third is to link factors to patient attrition from HIV monitoring and treatment. For that reason, two different timescales; gap and calendar timescale and a handful of models are implemented, in order to determine which timescale is more appropriate. Data may be correlated due to multiple events of the same subject. In the case where the study's subjects are experiencing the same type of event multiple times, we refer to the data as recurrent event data. In the analysis of such data, correlation among events and heterogeneity of subjects may present simultaneously in many situations. Therefore we need to find a way to model the association within the observations of a cluster (subject) as well the variance between different subjects (clusters). Variance corrected and shared frailty models can be used for that reason. We also consider the conditional shared frailty model in order to model both correlation and heterogeneity with the use of event-based baseline hazards and random effect. All models were fitted to a dataset of HIV-positive patients in Greece provided by AMACS. Our simulations showed that the simple frailty models performed slightly better than all other models that were fitted as the conditional frailty models were quite unstable. However the fittings on the empirical data pointed to the opposite direction, as the conditional frailty model under the calendar timescale seemed to be the most appropriate way to assess subject heterogeneity as well as event dependence."],"dc:identifier":["uoadl:1692138","https://pergamos.lib.uoa.gr/uoa/dl/object/1692138"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["The use of different timescales in multiple event survival analysis with application to care adherence in HIV-positive patients of the greek cohort study AMACS"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:29:12Z"}