La presenza di esiti bivariati basati su dati di sopravvivenza è di enorme interesse nelle scienze applicate, dove l'oggetto di studio è l'occorrenza di due eventi. Tuttavia, l'utilità pratica dei bivariate copula survival model(s) è spesso ostacolata dalla presenza di dati influenzati da vari meccanismi di censura e da dataset ad alta dimensionalità. Questa tesi presenta una soluzione innovativa per affrontare queste due sfide. Nella prima sezione, proponiamo un approccio di regressione copula generale e flessibile in grado di gestire efficacemente dati di sopravvivenza bivariati, soggetti a vari meccanismi di censura. Questo approccio offre versatilità nella modellazione dell'associazione tra i due eventi di interesse. Nella seconda sezione, introduciamo una procedura di selezione delle variabili basata sulla classe di modelli presentata nella sezione precedente. Questa procedura rappresenta una novità assoluta nel panorama dei modelli di sopravvivenza bivariati basati sulle copule. Per valutare l'efficacia delle metodologie proposte, sono stati condotti ampi studi di simulazione. Inoltre, vengono discusse illustrazioni ed esempi utilizzando dati basati sull’ Age-Related Eye Disease Study. Infine, i framework proposti sono implementati nel linguaggio di programmazione R, rendendoli accessibili a un'ampia gamma di utenti. [a cura dell'Autore]
Copula link-based additive models for bivariate time-to-event Outcomes with general censoring scheme: Computational advances and variable ranking procedures / Danilo Petti , 2023 Jul 11., Anno Accademico 2021 - 2022. [10.14273/unisa-5351].
Copula link-based additive models for bivariate time-to-event Outcomes with general censoring scheme: Computational advances and variable ranking procedures
Petti, Danilo
2023
Abstract
La presenza di esiti bivariati basati su dati di sopravvivenza è di enorme interesse nelle scienze applicate, dove l'oggetto di studio è l'occorrenza di due eventi. Tuttavia, l'utilità pratica dei bivariate copula survival model(s) è spesso ostacolata dalla presenza di dati influenzati da vari meccanismi di censura e da dataset ad alta dimensionalità. Questa tesi presenta una soluzione innovativa per affrontare queste due sfide. Nella prima sezione, proponiamo un approccio di regressione copula generale e flessibile in grado di gestire efficacemente dati di sopravvivenza bivariati, soggetti a vari meccanismi di censura. Questo approccio offre versatilità nella modellazione dell'associazione tra i due eventi di interesse. Nella seconda sezione, introduciamo una procedura di selezione delle variabili basata sulla classe di modelli presentata nella sezione precedente. Questa procedura rappresenta una novità assoluta nel panorama dei modelli di sopravvivenza bivariati basati sulle copule. Per valutare l'efficacia delle metodologie proposte, sono stati condotti ampi studi di simulazione. Inoltre, vengono discusse illustrazioni ed esempi utilizzando dati basati sull’ Age-Related Eye Disease Study. Infine, i framework proposti sono implementati nel linguaggio di programmazione R, rendendoli accessibili a un'ampia gamma di utenti. [a cura dell'Autore]I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
