کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6868867 | 1440037 | 2018 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A Joint modelling of socio-professional trajectories and cause-specific mortality
ترجمه فارسی عنوان
یک مدل مشترک از مسیرهای اجتماعی-حرفه ای و مرگ و میر ناشی از علت خاص
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل ترکیبی خطی متداول مخاطرات خاص، مدل مشترک، احتمال عضویت داده های مقیاس بزرگ،
ترجمه چکیده
ارتباط بین مسیرهای زندگی حرفه ای حرفه ای و مرگ و میر در دوره زندگی در حال حاضر در ادبیات مورد بحث قرار گرفته است. با این حال، این مسیرهای اجتماعی-حرفه ای ممکن است به علت مرگ سانسور اطلاعاتی باشد. این از دست رفتن پیگیری که مربوط به بقای فرد است، نباید نادیده گرفته شود و از این رو، علاقه مند است که به طور مشترک این مسیرهای حرفه ای و بقای آنها را مدل کند. تمرکز اصلی بر روی متغیرهای مداوم، دوتایی یا مقطعی است، در حالی که توجه به داده های اسمی اساسی کمتر توجه شده است. بنابراین، گسترش یک مدل مشترک از داده های اسمی طولی و بقا تحت رویکرد احتمال مبتنی بر پیش بینی شده است. یک مدل ترکیبی خطی تعمیم شده برای مدل سازی داده های اسمی طولی، علاوه بر دو مدل خطرات متناسب با علت برای داده های خطرات رقابت بقا، در نظر گرفته شده است. ارتباط بین نتایج طولی و زنده ماندن با فرض توزیع گاوسی چند متغیر برای توزیع مشترک از اثرات تصادفی دو زیر مدل بدست می آید. مدل مشترک پیشنهاد شده، یک چارچوب قوی برای برآورد احتمال احتمالات عضویت طول می کشد، که شامل سانسور اطلاعاتی ناشی از مرگ فرد می شود. شبیه سازی ها برای ارزیابی عملکرد این مدل مشترک در مقایسه با نتایج تجزیه و تحلیل خطی طولی و رقابتی جداگانه انجام می شود. یک ضرر از مدل های مشترک این است که آنها محاسباتی فشرده است. برای غلبه بر این مشکل، یک روش تقلید از استراتژی متاآنالیز داده های فردی شرکت کننده پیشنهاد می شود. ارتباط این روش پس از نمونه گیری بزرگی از جمعیت مزدور فرانسه که شامل تمام پرونده های اشتغال بین سال های 1976 و 2002 است، نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The association between life-course socio-professional trajectories and mortality has already been discussed in the literature. However, these socio-professional trajectories may be subject to informative censoring due to death. This loss to follow-up which is related to an individual's survival, should not be ignored and thus, it is of interest to model jointly these professional trajectories and their survival. The main focus has been made on continuous, binary or ordinal variables while much less attention has been paid to nominal categorical data. Therefore, an extension to the joint modelling of longitudinal nominal data and survival under a likelihood-based approach is proposed. A generalized linear mixed model is considered for modelling the longitudinal nominal data, in addition to two cause-specific proportional hazards model for the survival competing risks data. The association between longitudinal and survival outcomes is captured by assuming a multivariate Gaussian distribution for the joint distribution of the random effects of two sub-models. The proposed joint model provides a robust framework for estimating longitudinal membership probabilities, accounting for informative censoring caused by individual's death. Simulations are carried out to assess the performance of this joint model comparing with the results of the separate longitudinal and competing risks analysis. A disadvantage of joint models is that they are computationally intensive. To overcome this problem, an approach mimicking a meta-analysis strategy of individual participant data is suggested. The relevance of this approach is then illustrated on a large sample of the French salaried population, which contains all employment records between 1976 and 2002.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 119, March 2018, Pages 39-54
Journal: Computational Statistics & Data Analysis - Volume 119, March 2018, Pages 39-54
نویسندگان
M. Karimi, G. Rey, A. Latouche,