کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7496276 | 1485775 | 2018 | 41 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A cause-specific hazard spatial frailty model for competing risks data
ترجمه فارسی عنوان
یک مدل آسیبپذیری فضایی خطر خاص برای دادههای ریسک رقابت
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
داده های ریسک رقابت اغلب به خوشه ها، مانند مناطق جغرافیایی تقسیم می شوند. مدل های ضعف مشترک می تواند برای مدل سازی همبستگی بین افراد در هر خوشه استفاده شود. برای مطابقت بهتر مدل در ریسک های رقابتی، می توان یک اثر تصادفی برای هر نوع رویداد در هر خوشه ای استفاده کرد. اما همبستگی بین اثرات تصادفی در هر خوشه نیز باید مورد توجه قرار گیرد. از سوی دیگر، ممکن است همبستگی فضایی بین اثرات تصادفی در مناطق جغرافیایی وجود داشته باشد. در این مقاله، از مدل آسیبپذیری فضایی خطر خاص با توزیع خودکار توزیع مشروط چندگانه برای ضعفها از طریق روش بیزی استفاده شده است. مطالعات شبیه سازی برای ارزیابی برآوردهای ضریب رگرسیون و همچنین واریانس و همبستگی اثرات تصادفی در خوشه ها استفاده می شود. ما مدل پیشنهادی را برای تجزیه و تحلیل داده های سرطان معده در موسسه ملی تحقیقات بهداشت ایران و داده های سرطان پستان لوئیزیانا از پایگاه اطلاعات اپیدمیولوژی نظارت و پایان نتایج موسسه سرطان ملی اعمال می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
علوم زمین و سیارات
علوم زمین و سیاره ای (عمومی)
چکیده انگلیسی
Competing risks data is often grouped into clusters, such as geographic regions. Shared frailty models can be used to model the correlation between individuals within each cluster. For the better fitting of the model in the competing risks data, one random effect can be used for every type of event in each cluster. But the correlation between random effects in each cluster should also be taken into account. On the other hand, there may also be a spatial correlation between random effects during geographic regions. In this paper, we use cause-specific hazard spatial frailty model with multivariate conditional autoregressive distribution for frailties via Bayesian approach. Simulation studies are used to assess the regression coefficient estimators as well as the variance and correlation of random effects within the clusters. We apply the proposed model to the analysis of the gastrointestinal cancer data of Iran's National Institute of Health Research and the Louisiana breast cancer data from the Surveillance Epidemiology and End Results database of the National Cancer Institute.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Spatial Statistics - Volume 26, August 2018, Pages 101-124
Journal: Spatial Statistics - Volume 26, August 2018, Pages 101-124
نویسندگان
Saeed Hesam, Mahmood Mahmoudi, Abbas Rahimi Foroushani, Mehdi Yaseri, Mohammad Ali Mansournia,