{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2778286"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2778286","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Παλινδρόμηση ποσοστημορίων στην μετά- ανάλυση με δεδομένα επιβίωσης","abstract":"Στην παρούσα εργασία προτείνεται ένας εναλλακτικός τρόπος για την μετά ανάλυση δεδομένων επιβίωσης μέσω της παλινδρόμησης ποσοστημορίων. Το μοντέλο του Cox είναι ένα γνωστό μοντέλο για την μοντελοποίηση δεδομένων επιβίωσης το οποίο βασίζεται στην αναλογικότητα των κινδύνων. Η αναλογικότητα όμως δεν ισχύει πάντα και αυτό δημιουργεί περιορισμούς. Η παλινδρόμηση ποσοστημορίων είναι ένας τρόπος ανάλυσης των δεδομένων που μπορεί να προσφέρει λύση στο παραπάνω πρόβλημα καθώς δεν χρειάζεται να υποτεθεί κάποια κατανομή για τα τυχαία σφάλματα και η εκτίμηση των ποσοστημορίων επηρεάζεται μόνο από την συμπεριφορά της δεσμευμένης κατανομής κοντά στο συγκεκριμένο ποσοστημόριο. Για τους σκοπούς της εργασίας προσομοιώσαμε 10 μελέτες οι οποίες αρχικά αναλύονται με το μοντέλο του Cox και με την μέθοδο λογοκριμένης ποσοστημοριακής παλινδρόμησης. Έπειτα συγκρίνουμε τα δύο μοντέλα και μελετάμε τις όποιες ομοιότητες και διαφορές έχουν. Τέλος, προχωράμε σε μετά ανάλυση με τις εκτιμήσεις από το μοντέλο του Cox και με τις εκτιμήσεις από το λογοκριμένο ποσοστημοριακό μοντέλο. Στα συγκεκριμένα προσομοιωμένα δεδομένα τα αποτελέσματα της μετά ανάλυσης τόσο των μελετών που αναλύθηκαν με το μοντέλο του Cox όσο και των μελετών που αναλύθηκαν με το λογοκριμένο ποσοστημοριακό μοντέλο έδειξαν ότι η θεραπεία μειώνει τον κίνδυνο του γεγονότος και αυξάνει την επιβίωση. H παλινδρόμηση ποσοστημορίων μπορεί να φανεί ιδιαίτερα χρήσιμη στην μοντελοποίηση δεδομένων επιβίωσης ειδικά όταν μας ενδιαφέρει η επιβίωση ή όταν δεν ισχύει η υπόθεση των αναλογικών κινδύνων. Ακόμα και στην περίπτωση που ισχύει όμως καλό θα ήταν να χρησιμοποιούνται και οι δύο μέθοδοι για να οδηγούμαστε σε πιο ολοκληρωμένα και ακριβή συμπεράσματα","abstract_html":"Στην παρούσα εργασία προτείνεται ένας εναλλακτικός τρόπος για την μετά ανάλυση δεδομένων επιβίωσης μέσω της παλινδρόμησης ποσοστημορίων. Το μοντέλο του Cox είναι ένα γνωστό μοντέλο για την μοντελοποίηση δεδομένων επιβίωσης το οποίο βασίζεται στην αναλογικότητα των κινδύνων. Η αναλογικότητα όμως δεν ισχύει πάντα και αυτό δημιουργεί περιορισμούς. Η παλινδρόμηση ποσοστημορίων είναι ένας τρόπος ανάλυσης των δεδομένων που μπορεί να προσφέρει λύση στο παραπάνω πρόβλημα καθώς δεν χρειάζεται να υποτεθεί κάποια κατανομή για τα τυχαία σφάλματα και η εκτίμηση των ποσοστημορίων επηρεάζεται μόνο από την συμπεριφορά της δεσμευμένης κατανομής κοντά στο συγκεκριμένο ποσοστημόριο. Για τους σκοπούς της εργασίας προσομοιώσαμε 10 μελέτες οι οποίες αρχικά αναλύονται με το μοντέλο του Cox και με την μέθοδο λογοκριμένης ποσοστημοριακής παλινδρόμησης. Έπειτα συγκρίνουμε τα δύο μοντέλα και μελετάμε τις όποιες ομοιότητες και διαφορές έχουν. Τέλος, προχωράμε σε μετά ανάλυση με τις εκτιμήσεις από το μοντέλο του Cox και με τις εκτιμήσεις από το λογοκριμένο ποσοστημοριακό μοντέλο. Στα συγκεκριμένα προσομοιωμένα δεδομένα τα αποτελέσματα της μετά ανάλυσης τόσο των μελετών που αναλύθηκαν με το μοντέλο του Cox όσο και των μελετών που αναλύθηκαν με το λογοκριμένο ποσοστημοριακό μοντέλο έδειξαν ότι η θεραπεία μειώνει τον κίνδυνο του γεγονότος και αυξάνει την επιβίωση. H παλινδρόμηση ποσοστημορίων μπορεί να φανεί ιδιαίτερα χρήσιμη στην μοντελοποίηση δεδομένων επιβίωσης ειδικά όταν μας ενδιαφέρει η επιβίωση ή όταν δεν ισχύει η υπόθεση των αναλογικών κινδύνων. Ακόμα και στην περίπτωση που ισχύει όμως καλό θα ήταν να χρησιμοποιούνται και οι δύο μέθοδοι για να οδηγούμαστε σε πιο ολοκληρωμένα και ακριβή συμπεράσματα","abstract_has_math":false,"creators":["Κονιδάρη Κωνσταντίνα","Konidari Konstantina"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:31:49Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2778286"],"render_values":[{"text":"uoadl:2778286","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2778286","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2778286","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%3A2778286","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κονιδάρη Κωνσταντίνα","Konidari Konstantina"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"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":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2778286","https://pergamos.lib.uoa.gr/uoa/dl/object/2778286"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στην παρούσα εργασία προτείνεται ένας εναλλακτικός τρόπος για την μετά ανάλυση δεδομένων επιβίωσης μέσω της παλινδρόμησης ποσοστημορίων. Το μοντέλο του Cox είναι ένα γνωστό μοντέλο για την μοντελοποίηση δεδομένων επιβίωσης το οποίο βασίζεται στην αναλογικότητα των κινδύνων. Η αναλογικότητα όμως δεν ισχύει πάντα και αυτό δημιουργεί περιορισμούς. Η παλινδρόμηση ποσοστημορίων είναι ένας τρόπος ανάλυσης των δεδομένων που μπορεί να προσφέρει λύση στο παραπάνω πρόβλημα καθώς δεν χρειάζεται να υποτεθεί κάποια κατανομή για τα τυχαία σφάλματα και η εκτίμηση των ποσοστημορίων επηρεάζεται μόνο από την συμπεριφορά της δεσμευμένης κατανομής κοντά στο συγκεκριμένο ποσοστημόριο. Για τους σκοπούς της εργασίας προσομοιώσαμε 10 μελέτες οι οποίες αρχικά αναλύονται με το μοντέλο του Cox και με την μέθοδο λογοκριμένης ποσοστημοριακής παλινδρόμησης. Έπειτα συγκρίνουμε τα δύο μοντέλα και μελετάμε τις όποιες ομοιότητες και διαφορές έχουν. Τέλος, προχωράμε σε μετά ανάλυση με τις εκτιμήσεις από το μοντέλο του Cox και με τις εκτιμήσεις από το λογοκριμένο ποσοστημοριακό μοντέλο. Στα συγκεκριμένα προσομοιωμένα δεδομένα τα αποτελέσματα της μετά ανάλυσης τόσο των μελετών που αναλύθηκαν με το μοντέλο του Cox όσο και των μελετών που αναλύθηκαν με το λογοκριμένο ποσοστημοριακό μοντέλο έδειξαν ότι η θεραπεία μειώνει τον κίνδυνο του γεγονότος και αυξάνει την επιβίωση. H παλινδρόμηση ποσοστημορίων μπορεί να φανεί ιδιαίτερα χρήσιμη στην μοντελοποίηση δεδομένων επιβίωσης ειδικά όταν μας ενδιαφέρει η επιβίωση ή όταν δεν ισχύει η υπόθεση των αναλογικών κινδύνων. Ακόμα και στην περίπτωση που ισχύει όμως καλό θα ήταν να χρησιμοποιούνται και οι δύο μέθοδοι για να οδηγούμαστε σε πιο ολοκληρωμένα και ακριβή συμπεράσματα","In the present paper an alternative way to resolving survival data through the quota regression is proposed an alternative way to resolving survival data using Quantile regression. Cox model is a well-known model for modeling survival data based on the proportionality of hazard. Proportionality does not always hold and this creates limitations. Quantile regression is a method of data analysis that can provide solution to the above problem as you do not need to assume a distribution for random errors and estimation of quantiles is influenced only by the behavior of the distribution near the particular quantile. For the purposes of the study, we have simulated 10 studies which are initially analyzed by the Cox model and the censored quantile regression method. Then we compare the two models and study what similarities and differences they have. Finally, we proceed in meta analysis with the estimates from the Cox model and with the estimates from the censored quantile model. In the specific simulated data, the results of the analysis of studies analyzed with the Cox model and the studies analyzed with the censored quantile regression model showed that treatment reduces the risk of the event and increases survival. Quantile regression may be useful in the modeling of survival data, especially when we are interested in survival or when the the proportionality of hazards does not hold. Even in the case it holds it would be better to use both methods to get more complete and accurate conclusions."]},{"key":"dc:title","label":"Title","values":["Παλινδρόμηση ποσοστημορίων στην μετά- ανάλυση με δεδομένα επιβίωσης"]}]}],"canonical_facts":{"dc:creator":["Κονιδάρη Κωνσταντίνα","Konidari Konstantina"],"dc:date":["2018"],"dc:description":["Στην παρούσα εργασία προτείνεται ένας εναλλακτικός τρόπος για την μετά ανάλυση δεδομένων επιβίωσης μέσω της παλινδρόμησης ποσοστημορίων. Το μοντέλο του Cox είναι ένα γνωστό μοντέλο για την μοντελοποίηση δεδομένων επιβίωσης το οποίο βασίζεται στην αναλογικότητα των κινδύνων. Η αναλογικότητα όμως δεν ισχύει πάντα και αυτό δημιουργεί περιορισμούς. Η παλινδρόμηση ποσοστημορίων είναι ένας τρόπος ανάλυσης των δεδομένων που μπορεί να προσφέρει λύση στο παραπάνω πρόβλημα καθώς δεν χρειάζεται να υποτεθεί κάποια κατανομή για τα τυχαία σφάλματα και η εκτίμηση των ποσοστημορίων επηρεάζεται μόνο από την συμπεριφορά της δεσμευμένης κατανομής κοντά στο συγκεκριμένο ποσοστημόριο. Για τους σκοπούς της εργασίας προσομοιώσαμε 10 μελέτες οι οποίες αρχικά αναλύονται με το μοντέλο του Cox και με την μέθοδο λογοκριμένης ποσοστημοριακής παλινδρόμησης. Έπειτα συγκρίνουμε τα δύο μοντέλα και μελετάμε τις όποιες ομοιότητες και διαφορές έχουν. Τέλος, προχωράμε σε μετά ανάλυση με τις εκτιμήσεις από το μοντέλο του Cox και με τις εκτιμήσεις από το λογοκριμένο ποσοστημοριακό μοντέλο. Στα συγκεκριμένα προσομοιωμένα δεδομένα τα αποτελέσματα της μετά ανάλυσης τόσο των μελετών που αναλύθηκαν με το μοντέλο του Cox όσο και των μελετών που αναλύθηκαν με το λογοκριμένο ποσοστημοριακό μοντέλο έδειξαν ότι η θεραπεία μειώνει τον κίνδυνο του γεγονότος και αυξάνει την επιβίωση. H παλινδρόμηση ποσοστημορίων μπορεί να φανεί ιδιαίτερα χρήσιμη στην μοντελοποίηση δεδομένων επιβίωσης ειδικά όταν μας ενδιαφέρει η επιβίωση ή όταν δεν ισχύει η υπόθεση των αναλογικών κινδύνων. Ακόμα και στην περίπτωση που ισχύει όμως καλό θα ήταν να χρησιμοποιούνται και οι δύο μέθοδοι για να οδηγούμαστε σε πιο ολοκληρωμένα και ακριβή συμπεράσματα","In the present paper an alternative way to resolving survival data through the quota regression is proposed an alternative way to resolving survival data using Quantile regression. Cox model is a well-known model for modeling survival data based on the proportionality of hazard. Proportionality does not always hold and this creates limitations. Quantile regression is a method of data analysis that can provide solution to the above problem as you do not need to assume a distribution for random errors and estimation of quantiles is influenced only by the behavior of the distribution near the particular quantile. For the purposes of the study, we have simulated 10 studies which are initially analyzed by the Cox model and the censored quantile regression method. Then we compare the two models and study what similarities and differences they have. Finally, we proceed in meta analysis with the estimates from the Cox model and with the estimates from the censored quantile model. In the specific simulated data, the results of the analysis of studies analyzed with the Cox model and the studies analyzed with the censored quantile regression model showed that treatment reduces the risk of the event and increases survival. Quantile regression may be useful in the modeling of survival data, especially when we are interested in survival or when the the proportionality of hazards does not hold. Even in the case it holds it would be better to use both methods to get more complete and accurate conclusions."],"dc:identifier":["uoadl:2778286","https://pergamos.lib.uoa.gr/uoa/dl/object/2778286"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Παλινδρόμηση ποσοστημορίων στην μετά- ανάλυση με δεδομένα επιβίωσης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:31:49Z"}