{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2927758"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2927758","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Dynamic borrowing through empirical power priors for binomial data","abstract":"Η ενσωμάτωση ιστορικών δεδομένων στο σχεδιασμό και στην ανάλυση μίας κλινικής δοκιμής παρουσιάζει ιδιαίτερο ενδιαφέρον σε περιπτώσεις πληθυσμών μικρού μεγέθους (π.χ. μελέτες σπάνιων ασθενειών). Γενικά, οι κλινικές δοκιμές επωφελούνται από την χρήση Μπεϋζιανών μεθόδων για το δανεισμό πληροφοριών από ιστορικά δεδομένα. Επομένως, όταν τα ιστορικά και τα τρέχοντα δεδομένα παρουσιάζουν διαφορές μεταξύ τους, οι Μπεϋζιανές μέθοδοι μπορούν να μετριάσουν τον δανεισμό των ιστορικών δεδομένων μέσω των εκ των προτέρων κατανομών δύναμης. Οι εκ των προτέρων κατανομές δύναμης αποτελούν ένα χρήσιμο εργαλείο για την ενσωμάτωση δεδομένων από μία ή περισσότερες ιστορικές μελέτες. Κύριο χαρακτηριστικό των εκ των προτέρων κατανομών δύναμης είναι η παράμετρος δύναμης α0 ϵ[0,1]. Η παράμετρος δύναμης ποσοτικοποιεί την διαφωνία μεταξύ της πληροφορίας της παλαιάς και της νέας μελέτης. Παρόλα αυτά, η ενσωμάτωση ιστορικών δεδομένων επιφέρει αύξηση του σφάλματος τύπου Ι. Η έννοια του δυναμικού δανεισμού έχει προσελκύσει το ενδιαφέρον των επιστημών που δουλεύουν ερευνητικά στο χώρο τα τελευταία χρόνια. Η ιδέα του δυναμικού δανεισμού είναι να αναγνωρίζει πότε τα τρέχοντα δεδομένα φαίνεται να είναι ασυμβίβαστα με τα ιστορικά δεδομένα. Σε μία πρόσφατη σχετική δημοσίευση γίνεται χρήση της εμπειρική προσέγγισης κατά Bayes στην οποία λαμβάνεται υπ’ όψιν η απόκλιση των δύο πηγών δεδομένων. Η μέθοδος αυτή εφαρμόστηκε για συνεχή δεδομένα τα οποία υποθέτουμε ότι προέρχονται από την κανονική κατανομή. Στόχος αυτής της διπλωματικής εργασίας είναι η επέκταση της συγκεκριμένης προσέγγισης για δίτιμα δεδομένα. Εμείς θα επεκτείνουμε την συγκεκριμένη μεθοδολογία για Μπεϋζιανούς ελέγχους υποθέσεων που βασίζονται στις εκ των υστέρων πιθανότητες των υπό σύγκριση μοντέλων/υποθέσεων. Η προσέγγιση αυτή θα χρησιμοποιηθεί για να επανασχεδιαστεί μία κλινική δοκιμή στο πεδίο της ογκολογίας.","abstract_html":"Η ενσωμάτωση ιστορικών δεδομένων στο σχεδιασμό και στην ανάλυση μίας κλινικής δοκιμής παρουσιάζει ιδιαίτερο ενδιαφέρον σε περιπτώσεις πληθυσμών μικρού μεγέθους (π.χ. μελέτες σπάνιων ασθενειών). Γενικά, οι κλινικές δοκιμές επωφελούνται από την χρήση Μπεϋζιανών μεθόδων για το δανεισμό πληροφοριών από ιστορικά δεδομένα. Επομένως, όταν τα ιστορικά και τα τρέχοντα δεδομένα παρουσιάζουν διαφορές μεταξύ τους, οι Μπεϋζιανές μέθοδοι μπορούν να μετριάσουν τον δανεισμό των ιστορικών δεδομένων μέσω των εκ των προτέρων κατανομών δύναμης. Οι εκ των προτέρων κατανομές δύναμης αποτελούν ένα χρήσιμο εργαλείο για την ενσωμάτωση δεδομένων από μία ή περισσότερες ιστορικές μελέτες. Κύριο χαρακτηριστικό των εκ των προτέρων κατανομών δύναμης είναι η παράμετρος δύναμης α0 ϵ[0,1]. Η παράμετρος δύναμης ποσοτικοποιεί την διαφωνία μεταξύ της πληροφορίας της παλαιάς και της νέας μελέτης. Παρόλα αυτά, η ενσωμάτωση ιστορικών δεδομένων επιφέρει αύξηση του σφάλματος τύπου Ι. Η έννοια του δυναμικού δανεισμού έχει προσελκύσει το ενδιαφέρον των επιστημών που δουλεύουν ερευνητικά στο χώρο τα τελευταία χρόνια. Η ιδέα του δυναμικού δανεισμού είναι να αναγνωρίζει πότε τα τρέχοντα δεδομένα φαίνεται να είναι ασυμβίβαστα με τα ιστορικά δεδομένα. Σε μία πρόσφατη σχετική δημοσίευση γίνεται χρήση της εμπειρική προσέγγισης κατά Bayes στην οποία λαμβάνεται υπ’ όψιν η απόκλιση των δύο πηγών δεδομένων. Η μέθοδος αυτή εφαρμόστηκε για συνεχή δεδομένα τα οποία υποθέτουμε ότι προέρχονται από την κανονική κατανομή. Στόχος αυτής της διπλωματικής εργασίας είναι η επέκταση της συγκεκριμένης προσέγγισης για δίτιμα δεδομένα. Εμείς θα επεκτείνουμε την συγκεκριμένη μεθοδολογία για Μπεϋζιανούς ελέγχους υποθέσεων που βασίζονται στις εκ των υστέρων πιθανότητες των υπό σύγκριση μοντέλων/υποθέσεων. Η προσέγγιση αυτή θα χρησιμοποιηθεί για να επανασχεδιαστεί μία κλινική δοκιμή στο πεδίο της ογκολογίας.","abstract_has_math":false,"creators":["Λέσκα Μαρία","Leska Maria"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:41:25Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2927758"],"render_values":[{"text":"uoadl:2927758","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2927758","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2927758","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%3A2927758","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Λέσκα Μαρία","Leska Maria"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"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:2927758","https://pergamos.lib.uoa.gr/uoa/dl/object/2927758"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ενσωμάτωση ιστορικών δεδομένων στο σχεδιασμό και στην ανάλυση μίας κλινικής δοκιμής παρουσιάζει ιδιαίτερο ενδιαφέρον σε περιπτώσεις πληθυσμών μικρού μεγέθους (π.χ. μελέτες σπάνιων ασθενειών). Γενικά, οι κλινικές δοκιμές επωφελούνται από την χρήση Μπεϋζιανών μεθόδων για το δανεισμό πληροφοριών από ιστορικά δεδομένα. Επομένως, όταν τα ιστορικά και τα τρέχοντα δεδομένα παρουσιάζουν διαφορές μεταξύ τους, οι Μπεϋζιανές μέθοδοι μπορούν να μετριάσουν τον δανεισμό των ιστορικών δεδομένων μέσω των εκ των προτέρων κατανομών δύναμης. Οι εκ των προτέρων κατανομές δύναμης αποτελούν ένα χρήσιμο εργαλείο για την ενσωμάτωση δεδομένων από μία ή περισσότερες ιστορικές μελέτες. Κύριο χαρακτηριστικό των εκ των προτέρων κατανομών δύναμης είναι η παράμετρος δύναμης α0 ϵ[0,1]. Η παράμετρος δύναμης ποσοτικοποιεί την διαφωνία μεταξύ της πληροφορίας της παλαιάς και της νέας μελέτης. Παρόλα αυτά, η ενσωμάτωση ιστορικών δεδομένων επιφέρει αύξηση του σφάλματος τύπου Ι. Η έννοια του δυναμικού δανεισμού έχει προσελκύσει το ενδιαφέρον των επιστημών που δουλεύουν ερευνητικά στο χώρο τα τελευταία χρόνια. Η ιδέα του δυναμικού δανεισμού είναι να αναγνωρίζει πότε τα τρέχοντα δεδομένα φαίνεται να είναι ασυμβίβαστα με τα ιστορικά δεδομένα. Σε μία πρόσφατη σχετική δημοσίευση γίνεται χρήση της εμπειρική προσέγγισης κατά Bayes στην οποία λαμβάνεται υπ’ όψιν η απόκλιση των δύο πηγών δεδομένων. Η μέθοδος αυτή εφαρμόστηκε για συνεχή δεδομένα τα οποία υποθέτουμε ότι προέρχονται από την κανονική κατανομή. Στόχος αυτής της διπλωματικής εργασίας είναι η επέκταση της συγκεκριμένης προσέγγισης για δίτιμα δεδομένα. Εμείς θα επεκτείνουμε την συγκεκριμένη μεθοδολογία για Μπεϋζιανούς ελέγχους υποθέσεων που βασίζονται στις εκ των υστέρων πιθανότητες των υπό σύγκριση μοντέλων/υποθέσεων. Η προσέγγιση αυτή θα χρησιμοποιηθεί για να επανασχεδιαστεί μία κλινική δοκιμή στο πεδίο της ογκολογίας.","The incorporation of historical data into the design and analysis of a clinical trial is of particular interest in cases of small populations (e.g. rare disease studies). In general, clinical trials benefit from the use of Bayesian methods to borrow information from historical data. Therefore, when historical and current data differ, Bayesian methods can mitigate the borrowing of historical data through power prior distribution. Power prior distributions are a useful tool for incorporation data from one or more historical studies. The main feature of power prior distributions is the power parameter α0 ϵ[0,1]. The power parameter quantifies the difference between the information of the old and the new study. However, the incorporation of historical data can increase the type I error. The concept of dynamic borrowing has attracted the interest of research scientists in recent years. The idea of ​​dynamic lending is to recognize when current data appears to be incompatible with historical data. A recent publication deals with the aforementioned issue in an empirical Bayes manner, taking into account the discrepancy between past and current data, with type I error as a ruler. The method is described for continuous, normally distributed data. Extension to the case of dichotomous outcomes is the goal of this thesis. We will extend the methodology for Bayesian hypothesis testing using posterior probabilities. The method will be employed in re-designing a clinical trial from the field of oncology."]},{"key":"dc:title","label":"Title","values":["Dynamic borrowing through empirical power priors for binomial data"]}]}],"canonical_facts":{"dc:creator":["Λέσκα Μαρία","Leska Maria"],"dc:date":["2020"],"dc:description":["Η ενσωμάτωση ιστορικών δεδομένων στο σχεδιασμό και στην ανάλυση μίας κλινικής δοκιμής παρουσιάζει ιδιαίτερο ενδιαφέρον σε περιπτώσεις πληθυσμών μικρού μεγέθους (π.χ. μελέτες σπάνιων ασθενειών). Γενικά, οι κλινικές δοκιμές επωφελούνται από την χρήση Μπεϋζιανών μεθόδων για το δανεισμό πληροφοριών από ιστορικά δεδομένα. Επομένως, όταν τα ιστορικά και τα τρέχοντα δεδομένα παρουσιάζουν διαφορές μεταξύ τους, οι Μπεϋζιανές μέθοδοι μπορούν να μετριάσουν τον δανεισμό των ιστορικών δεδομένων μέσω των εκ των προτέρων κατανομών δύναμης. Οι εκ των προτέρων κατανομές δύναμης αποτελούν ένα χρήσιμο εργαλείο για την ενσωμάτωση δεδομένων από μία ή περισσότερες ιστορικές μελέτες. Κύριο χαρακτηριστικό των εκ των προτέρων κατανομών δύναμης είναι η παράμετρος δύναμης α0 ϵ[0,1]. Η παράμετρος δύναμης ποσοτικοποιεί την διαφωνία μεταξύ της πληροφορίας της παλαιάς και της νέας μελέτης. Παρόλα αυτά, η ενσωμάτωση ιστορικών δεδομένων επιφέρει αύξηση του σφάλματος τύπου Ι. Η έννοια του δυναμικού δανεισμού έχει προσελκύσει το ενδιαφέρον των επιστημών που δουλεύουν ερευνητικά στο χώρο τα τελευταία χρόνια. Η ιδέα του δυναμικού δανεισμού είναι να αναγνωρίζει πότε τα τρέχοντα δεδομένα φαίνεται να είναι ασυμβίβαστα με τα ιστορικά δεδομένα. Σε μία πρόσφατη σχετική δημοσίευση γίνεται χρήση της εμπειρική προσέγγισης κατά Bayes στην οποία λαμβάνεται υπ’ όψιν η απόκλιση των δύο πηγών δεδομένων. Η μέθοδος αυτή εφαρμόστηκε για συνεχή δεδομένα τα οποία υποθέτουμε ότι προέρχονται από την κανονική κατανομή. Στόχος αυτής της διπλωματικής εργασίας είναι η επέκταση της συγκεκριμένης προσέγγισης για δίτιμα δεδομένα. Εμείς θα επεκτείνουμε την συγκεκριμένη μεθοδολογία για Μπεϋζιανούς ελέγχους υποθέσεων που βασίζονται στις εκ των υστέρων πιθανότητες των υπό σύγκριση μοντέλων/υποθέσεων. Η προσέγγιση αυτή θα χρησιμοποιηθεί για να επανασχεδιαστεί μία κλινική δοκιμή στο πεδίο της ογκολογίας.","The incorporation of historical data into the design and analysis of a clinical trial is of particular interest in cases of small populations (e.g. rare disease studies). In general, clinical trials benefit from the use of Bayesian methods to borrow information from historical data. Therefore, when historical and current data differ, Bayesian methods can mitigate the borrowing of historical data through power prior distribution. Power prior distributions are a useful tool for incorporation data from one or more historical studies. The main feature of power prior distributions is the power parameter α0 ϵ[0,1]. The power parameter quantifies the difference between the information of the old and the new study. However, the incorporation of historical data can increase the type I error. The concept of dynamic borrowing has attracted the interest of research scientists in recent years. The idea of ​​dynamic lending is to recognize when current data appears to be incompatible with historical data. A recent publication deals with the aforementioned issue in an empirical Bayes manner, taking into account the discrepancy between past and current data, with type I error as a ruler. The method is described for continuous, normally distributed data. Extension to the case of dichotomous outcomes is the goal of this thesis. We will extend the methodology for Bayesian hypothesis testing using posterior probabilities. The method will be employed in re-designing a clinical trial from the field of oncology."],"dc:identifier":["uoadl:2927758","https://pergamos.lib.uoa.gr/uoa/dl/object/2927758"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Dynamic borrowing through empirical power priors for binomial data"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:41:25Z"}