{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3395567"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3395567","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"A simulation study of the Bayesian Weibull competing risk model with missing cause of failure","abstract":"Στις μελέτες ανάλυσης επιβίωσης, αρκετές φορές υπάρχει πάρα πάνω από ένα είδος κινδύνου και μάλιστα αρκετές φορές οι ανταγωνιστικοί κίνδυνοι μπορεί να λείπουν. Αρκετές μέθοδοι έχουν προταθεί όπως για παράδειγμα Μπεϋζιανα και μη, παραμετρικά ή σχεδόν παραμετρικά μοντέλα. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους είναι ένα μοντέλο που δεν έχει περιγράφει επαρκώς στην βιβλιογραφία. Ως αποτέλεσμα, αυτή η διπλωματική εργασία έχει σκοπό να περιγράψει σαφώς και με διευκρινιστικό τρόπο το μοντέλο και να το συγκρίνει με μια μέθοδο που χρησιμοποιεί την μέγιστη μερικώς ψευδό πιθανοφάνεια για να εκτιμήσει τους συντελεστές. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους χρησιμοποιεί την Μπεϋζιανη μεθοδολογία για να γεμίσει τις ελλιπείς τιμές και να εκτιμήσει τις επιθυμητές παραμέτρους. Πιο συγκεκριμένα, για να εισαχθούν οι ελλιπείς τιμές χρησιμοποιώντας την Μπεϋζιανη θεωρεία θεωρούνται ως άγνωστοι παράμετροι που πρέπει να εκτιμηθούν. Οι συντελεστές του μοντέλου και οι διάφοροι παράμετροι κτίζονται από το Γουεϊμπουλ παραμετρικό μοντέλο με ανταγωνιστικούς κινδύνους και τελικά εκτιμώνται με την χρήση της Μπεϋζιανης Στατιστικής. Η μέθοδος που εκτιμά τους συντελεστές με την χρήση της μέγιστης μερικώς ψευδό πιθανοφάνειας είναι μια γρήγορη και παράλληλα αποτελεσματική μέθοδος που πρακτικά εκτιμάει τους συντελεστές μέσω ενός Κοξ σταθμισμένου γραμμικού μοντέλου. Τα προσομοιωμένα δεδομένα δημιουργούνται από τα στατιστικά μιας ερευνάς που έγινε στην Ανατολική Αφρική η οποία λέγεται EA-IeDEA και έχει σκοπό να μελετήσει τον Ιό της Ανοσοανεπάρκειας του Ανθρώπου, στην συγκεκριμένη έρευνα υπάρχουν πολλοί ασθενείς που τελικά είναι άγνωστο για τους ερευνητές αν πεθάναν ή απλά έφυγαν από την έρευνα (δηλαδή ζούνε). Τα αποτελέσματα από την έρευνα προσομοίωσης έδειξαν ότι και οι δυο μέθοδοι είναι αρκετά αποτελεσματική και μπορούν με ευκολία να αντιμετωπίσουν παρόμοια προβλήματα όταν ειδικά ισχύουν οι υποθέσεις του κάθε μοντέλου. Η αξιοπιστία και η εγκυρότητα του μοντέλου εξαρτάται πολύ από την υπόθεση της αναλογικότητας και από την επιθυμητή Γουεϊμπουλ μορφή των κινδύνων , σε περίπτωση όμως που τα αποτελέσματα είναι αμφιλεγόμενα και καθόλου αποτελεσματικά τότε μια καλή λύση είναι κάποιος να χρησιμοποιήσει ένα άλλο παραμετρικό μοντέλο αντί του Γουεϊμπουλ όπως για παράδειγμα ένα μοντέλο επιταχυνόμενου χρόνου.","abstract_html":"Στις μελέτες ανάλυσης επιβίωσης, αρκετές φορές υπάρχει πάρα πάνω από ένα είδος κινδύνου και μάλιστα αρκετές φορές οι ανταγωνιστικοί κίνδυνοι μπορεί να λείπουν. Αρκετές μέθοδοι έχουν προταθεί όπως για παράδειγμα Μπεϋζιανα και μη, παραμετρικά ή σχεδόν παραμετρικά μοντέλα. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους είναι ένα μοντέλο που δεν έχει περιγράφει επαρκώς στην βιβλιογραφία. Ως αποτέλεσμα, αυτή η διπλωματική εργασία έχει σκοπό να περιγράψει σαφώς και με διευκρινιστικό τρόπο το μοντέλο και να το συγκρίνει με μια μέθοδο που χρησιμοποιεί την μέγιστη μερικώς ψευδό πιθανοφάνεια για να εκτιμήσει τους συντελεστές. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους χρησιμοποιεί την Μπεϋζιανη μεθοδολογία για να γεμίσει τις ελλιπείς τιμές και να εκτιμήσει τις επιθυμητές παραμέτρους. Πιο συγκεκριμένα, για να εισαχθούν οι ελλιπείς τιμές χρησιμοποιώντας την Μπεϋζιανη θεωρεία θεωρούνται ως άγνωστοι παράμετροι που πρέπει να εκτιμηθούν. Οι συντελεστές του μοντέλου και οι διάφοροι παράμετροι κτίζονται από το Γουεϊμπουλ παραμετρικό μοντέλο με ανταγωνιστικούς κινδύνους και τελικά εκτιμώνται με την χρήση της Μπεϋζιανης Στατιστικής. Η μέθοδος που εκτιμά τους συντελεστές με την χρήση της μέγιστης μερικώς ψευδό πιθανοφάνειας είναι μια γρήγορη και παράλληλα αποτελεσματική μέθοδος που πρακτικά εκτιμάει τους συντελεστές μέσω ενός Κοξ σταθμισμένου γραμμικού μοντέλου. Τα προσομοιωμένα δεδομένα δημιουργούνται από τα στατιστικά μιας ερευνάς που έγινε στην Ανατολική Αφρική η οποία λέγεται EA-IeDEA και έχει σκοπό να μελετήσει τον Ιό της Ανοσοανεπάρκειας του Ανθρώπου, στην συγκεκριμένη έρευνα υπάρχουν πολλοί ασθενείς που τελικά είναι άγνωστο για τους ερευνητές αν πεθάναν ή απλά έφυγαν από την έρευνα (δηλαδή ζούνε). Τα αποτελέσματα από την έρευνα προσομοίωσης έδειξαν ότι και οι δυο μέθοδοι είναι αρκετά αποτελεσματική και μπορούν με ευκολία να αντιμετωπίσουν παρόμοια προβλήματα όταν ειδικά ισχύουν οι υποθέσεις του κάθε μοντέλου. Η αξιοπιστία και η εγκυρότητα του μοντέλου εξαρτάται πολύ από την υπόθεση της αναλογικότητας και από την επιθυμητή Γουεϊμπουλ μορφή των κινδύνων , σε περίπτωση όμως που τα αποτελέσματα είναι αμφιλεγόμενα και καθόλου αποτελεσματικά τότε μια καλή λύση είναι κάποιος να χρησιμοποιήσει ένα άλλο παραμετρικό μοντέλο αντί του Γουεϊμπουλ όπως για παράδειγμα ένα μοντέλο επιταχυνόμενου χρόνου.","abstract_has_math":false,"creators":["Αποστολίδης Απόστολος","Apostolidis Apostolos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:28:59Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3395567"],"render_values":[{"text":"uoadl:3395567","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3395567","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3395567","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%3A3395567","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αποστολίδης Απόστολος","Apostolidis Apostolos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"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:3395567","https://pergamos.lib.uoa.gr/uoa/dl/object/3395567"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στις μελέτες ανάλυσης επιβίωσης, αρκετές φορές υπάρχει πάρα πάνω από ένα είδος κινδύνου και μάλιστα αρκετές φορές οι ανταγωνιστικοί κίνδυνοι μπορεί να λείπουν. Αρκετές μέθοδοι έχουν προταθεί όπως για παράδειγμα Μπεϋζιανα και μη, παραμετρικά ή σχεδόν παραμετρικά μοντέλα. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους είναι ένα μοντέλο που δεν έχει περιγράφει επαρκώς στην βιβλιογραφία. Ως αποτέλεσμα, αυτή η διπλωματική εργασία έχει σκοπό να περιγράψει σαφώς και με διευκρινιστικό τρόπο το μοντέλο και να το συγκρίνει με μια μέθοδο που χρησιμοποιεί την μέγιστη μερικώς ψευδό πιθανοφάνεια για να εκτιμήσει τους συντελεστές. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους χρησιμοποιεί την Μπεϋζιανη μεθοδολογία για να γεμίσει τις ελλιπείς τιμές και να εκτιμήσει τις επιθυμητές παραμέτρους. Πιο συγκεκριμένα, για να εισαχθούν οι ελλιπείς τιμές χρησιμοποιώντας την Μπεϋζιανη θεωρεία θεωρούνται ως άγνωστοι παράμετροι που πρέπει να εκτιμηθούν. Οι συντελεστές του μοντέλου και οι διάφοροι παράμετροι κτίζονται από το Γουεϊμπουλ παραμετρικό μοντέλο με ανταγωνιστικούς κινδύνους και τελικά εκτιμώνται με την χρήση της Μπεϋζιανης Στατιστικής. Η μέθοδος που εκτιμά τους συντελεστές με την χρήση της μέγιστης μερικώς ψευδό πιθανοφάνειας είναι μια γρήγορη και παράλληλα αποτελεσματική μέθοδος που πρακτικά εκτιμάει τους συντελεστές μέσω ενός Κοξ σταθμισμένου γραμμικού μοντέλου. Τα προσομοιωμένα δεδομένα δημιουργούνται από τα στατιστικά μιας ερευνάς που έγινε στην Ανατολική Αφρική η οποία λέγεται EA-IeDEA και έχει σκοπό να μελετήσει τον Ιό της Ανοσοανεπάρκειας του Ανθρώπου, στην συγκεκριμένη έρευνα υπάρχουν πολλοί ασθενείς που τελικά είναι άγνωστο για τους ερευνητές αν πεθάναν ή απλά έφυγαν από την έρευνα (δηλαδή ζούνε). Τα αποτελέσματα από την έρευνα προσομοίωσης έδειξαν ότι και οι δυο μέθοδοι είναι αρκετά αποτελεσματική και μπορούν με ευκολία να αντιμετωπίσουν παρόμοια προβλήματα όταν ειδικά ισχύουν οι υποθέσεις του κάθε μοντέλου. Η αξιοπιστία και η εγκυρότητα του μοντέλου εξαρτάται πολύ από την υπόθεση της αναλογικότητας και από την επιθυμητή Γουεϊμπουλ μορφή των κινδύνων , σε περίπτωση όμως που τα αποτελέσματα είναι αμφιλεγόμενα και καθόλου αποτελεσματικά τότε μια καλή λύση είναι κάποιος να χρησιμοποιήσει ένα άλλο παραμετρικό μοντέλο αντί του Γουεϊμπουλ όπως για παράδειγμα ένα μοντέλο επιταχυνόμενου χρόνου.","In survival studies, more than one cause of failure is a frequent phenomenon and sometimes the cause of failure is missing under MAR assumption. Several approaches are suggested some of them are Bayesian or frequentist, parametric or semi-parametric methodologies. The Bayesian Weibull competing risk with missing cause of failure is a model that has not been adequately described in the bibliography. As a consequence, this master thesis first tries to efficiently describe this model and second, compare it with an existing Maximum pseudo-partial estimation method. This Bayesian Weibull competing risk with missing event type model uses the Bayesian methodology to impute the missing cause of failure and estimate the desirable coefficients-parameters. The imputation of the missing cause of failure is conducted by treating those missing observations as parameters. The form of the coefficients - parameters of the model are derived from a Weibull competing risk model and they are estimated via a Bayesian methodology. The Maximum pseudo-partial estimation method is a computationally efficient method in which its coefficients are estimated by a weighted-probability Cox regression model. The simulated data are derived from the statistics of the EA- IeDEA HIV study which in this study a heavy under-reporting issue of the event type is observed. The results of the simulation study indicate that both methodologies effectively handle this issue when the assumptions of the models are applied. Both the proportionality and the Weibull assumption significantly impacts the validity of the results in the Bayesian Weibull model, but in case they are not true, one can use accelerated time failure models instead of a Weibull one to tackle this issue."]},{"key":"dc:title","label":"Title","values":["A simulation study of the Bayesian Weibull competing risk model with missing cause of failure"]}]}],"canonical_facts":{"dc:creator":["Αποστολίδης Απόστολος","Apostolidis Apostolos"],"dc:date":["2024"],"dc:description":["Στις μελέτες ανάλυσης επιβίωσης, αρκετές φορές υπάρχει πάρα πάνω από ένα είδος κινδύνου και μάλιστα αρκετές φορές οι ανταγωνιστικοί κίνδυνοι μπορεί να λείπουν. Αρκετές μέθοδοι έχουν προταθεί όπως για παράδειγμα Μπεϋζιανα και μη, παραμετρικά ή σχεδόν παραμετρικά μοντέλα. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους είναι ένα μοντέλο που δεν έχει περιγράφει επαρκώς στην βιβλιογραφία. Ως αποτέλεσμα, αυτή η διπλωματική εργασία έχει σκοπό να περιγράψει σαφώς και με διευκρινιστικό τρόπο το μοντέλο και να το συγκρίνει με μια μέθοδο που χρησιμοποιεί την μέγιστη μερικώς ψευδό πιθανοφάνεια για να εκτιμήσει τους συντελεστές. Το Μπεϋζιανο Γουεϊμπουλ παραμετρικό μοντέλο με τους ελλιπές ανταγωνιστικούς κινδύνους χρησιμοποιεί την Μπεϋζιανη μεθοδολογία για να γεμίσει τις ελλιπείς τιμές και να εκτιμήσει τις επιθυμητές παραμέτρους. Πιο συγκεκριμένα, για να εισαχθούν οι ελλιπείς τιμές χρησιμοποιώντας την Μπεϋζιανη θεωρεία θεωρούνται ως άγνωστοι παράμετροι που πρέπει να εκτιμηθούν. Οι συντελεστές του μοντέλου και οι διάφοροι παράμετροι κτίζονται από το Γουεϊμπουλ παραμετρικό μοντέλο με ανταγωνιστικούς κινδύνους και τελικά εκτιμώνται με την χρήση της Μπεϋζιανης Στατιστικής. Η μέθοδος που εκτιμά τους συντελεστές με την χρήση της μέγιστης μερικώς ψευδό πιθανοφάνειας είναι μια γρήγορη και παράλληλα αποτελεσματική μέθοδος που πρακτικά εκτιμάει τους συντελεστές μέσω ενός Κοξ σταθμισμένου γραμμικού μοντέλου. Τα προσομοιωμένα δεδομένα δημιουργούνται από τα στατιστικά μιας ερευνάς που έγινε στην Ανατολική Αφρική η οποία λέγεται EA-IeDEA και έχει σκοπό να μελετήσει τον Ιό της Ανοσοανεπάρκειας του Ανθρώπου, στην συγκεκριμένη έρευνα υπάρχουν πολλοί ασθενείς που τελικά είναι άγνωστο για τους ερευνητές αν πεθάναν ή απλά έφυγαν από την έρευνα (δηλαδή ζούνε). Τα αποτελέσματα από την έρευνα προσομοίωσης έδειξαν ότι και οι δυο μέθοδοι είναι αρκετά αποτελεσματική και μπορούν με ευκολία να αντιμετωπίσουν παρόμοια προβλήματα όταν ειδικά ισχύουν οι υποθέσεις του κάθε μοντέλου. Η αξιοπιστία και η εγκυρότητα του μοντέλου εξαρτάται πολύ από την υπόθεση της αναλογικότητας και από την επιθυμητή Γουεϊμπουλ μορφή των κινδύνων , σε περίπτωση όμως που τα αποτελέσματα είναι αμφιλεγόμενα και καθόλου αποτελεσματικά τότε μια καλή λύση είναι κάποιος να χρησιμοποιήσει ένα άλλο παραμετρικό μοντέλο αντί του Γουεϊμπουλ όπως για παράδειγμα ένα μοντέλο επιταχυνόμενου χρόνου.","In survival studies, more than one cause of failure is a frequent phenomenon and sometimes the cause of failure is missing under MAR assumption. Several approaches are suggested some of them are Bayesian or frequentist, parametric or semi-parametric methodologies. The Bayesian Weibull competing risk with missing cause of failure is a model that has not been adequately described in the bibliography. As a consequence, this master thesis first tries to efficiently describe this model and second, compare it with an existing Maximum pseudo-partial estimation method. This Bayesian Weibull competing risk with missing event type model uses the Bayesian methodology to impute the missing cause of failure and estimate the desirable coefficients-parameters. The imputation of the missing cause of failure is conducted by treating those missing observations as parameters. The form of the coefficients - parameters of the model are derived from a Weibull competing risk model and they are estimated via a Bayesian methodology. The Maximum pseudo-partial estimation method is a computationally efficient method in which its coefficients are estimated by a weighted-probability Cox regression model. The simulated data are derived from the statistics of the EA- IeDEA HIV study which in this study a heavy under-reporting issue of the event type is observed. The results of the simulation study indicate that both methodologies effectively handle this issue when the assumptions of the models are applied. Both the proportionality and the Weibull assumption significantly impacts the validity of the results in the Bayesian Weibull model, but in case they are not true, one can use accelerated time failure models instead of a Weibull one to tackle this issue."],"dc:identifier":["uoadl:3395567","https://pergamos.lib.uoa.gr/uoa/dl/object/3395567"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["A simulation study of the Bayesian Weibull competing risk model with missing cause of failure"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:28:59Z"}