Πλοήγηση ανά Συγγραφέα "Ehrlich, Andre"
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Τώρα δείχνει 1 - 1 από 1
- Αποτελέσματα ανά σελίδα
- Επιλογές ταξινόμησης
Τεκμήριο Non-parametric estimation of optimal individualized treatment rules for survival data(2024-09-06) Ehrlich, Andre; Athens University of Economics and Business, Department of Statistics; Bakoyannis, Georgios; Pedeli, Xanthi; Demiris, NikolaosΗ Ιατρική Ακριβείας στοχεύει στην παροχή εξατομικευμένης φροντίδας πέρα από τους κανόνες θεραπείας «ένα μέγεθος για όλους», λαμβάνοντας υπόψη την ετερογένεια στην επίδραση της θεραπείας. Η εξατομίκευση της θεραπείας, δηλαδή ο εντοπισμός υποομάδων ασθενών για να λάβουν διακριτές θεραπευτικές επιλογές, μπορεί να ωφελήσει τους ασθενείς με δύο τρόπους: (i) να επεκτείνει την επιβίωση πληθυσμών (ii) να απαλλάξει τους ασθενείς από επιθετική θεραπεία που είναι απίθανο να ωφεληθούν. Οι μέθοδοι Μάθησης Σταθμισμένης Έκβασης (Outcome Weighted Learning - OWL) επιλύουν άμεσα την εκτίμηση κανόνων θεραπείας χρησιμοποιώντας Ελαχιστοποίηση Εμπειρικού Κινδύνου, αποφεύγοντας έτσι αυστηρές υποθέσεις μοντέλου και ελαχιστοποιώντας την πιθανότητα εσφαλμένης προδιαγραφής μοντέλου. Εξετάζουμε τις κύριες ιδέες στη βιβλιογραφία της εκτίμησης βέλτιστων Εξατομικευμένων Κανόνων Θεραπείας, με έμφαση στις μεθόδους που χειρίζονται εκβάσεις επιβίωσης. Η Πολυκαταστασιακή Μάθηση Σταθμισμένης Έκβασης (Multistate Outcome Weighted Learning - MSOWL) παράγει βέλτιστα αποδοτικές εκτιμήσεις ολοκληρώνοντας τις ατομικές στοχαστικές διαδικασίες, συμπεριλαμβανομένων των περιπτώσεων που διακόπτεται η παρατήρηση – αν και αυτή η στατιστική αποδοτικότητα έρχεται με το κόστος κυβικής υπολογιστικής πολυπλοκότητας, την οποία βελτιώνουμε μέσω διαίρεσης και κατάκτησης. Αξιολογούμε το κέρδος αποδοτικότητας και την κατανομική ευρωστία της μεθόδου MSOWL έναντι άλλων μεθόδων OWL & ITR. Αξιολογούμε εκτιμητές ITR συμπεριλαμβανομένων των μεθόδων OWL, ενός εκτιμητή Παλινδρόμησης Έκβασης Cox, και των τυπικών κανόνων θεραπείας «ένα μέγεθος για όλους». Αξιολογούμε ένα νέο σύνολο δεδομένων από μια ογκολογική κλινική δοκιμή, η οποία εκτιμά την προσθήκη ανοσοθεραπείας στην τυπική χημειοθεραπεία είτε για Καρκίνο του Παγκρέατος.
