Λογότυπο αποθετηρίου
 

Models for survival analysis in cancer research

dc.contributor.degreegrantinginstitutionAthens University of Economics and Business, Department of Management Science and Technologyel
dc.contributor.thesisadvisorKarlis, Dimitriosen
dc.creatorKintaka, Michaellaen
dc.creatorΚιντάκα, Μιχαέλλαel
dc.date.accessioned2025-03-26T19:59:56Z
dc.date.available2025-03-26T19:59:56Z
dc.date.issued05/01/2021
dc.date.submitted2021-05-07 16:21:18
dc.description.abstractIn this thesis we apply cox regression analysis and survival forests to data from a large clinical trial. The data have been masked for reasons of confidentiality. A brief description of basic ideas in survival analysis needed for the development of the model are provided in Chapter 2. Chapter 3 provides a description of the dataset to be used. Preliminary results with standard survival methodology are given in chapter 4 and 5. Chapter 4 provides descriptive evidence about the data while Chapter 5 presents results from a standard Cox proportional model. The new results based on survival random forest are presented in Chapter 6. Concluding remarks and a discussion is provided ion Chapter 7.en
dc.description.abstractΓια την εργασία αυτή χρησιμοποιήθηκαν δεδομένα από μια μεγάλη κλινική δοκιμή. Σε αυτά, εφαρμόστηκαν cox regression analysis μοντέλα και random survival forests. Έχει πραγματοποιηθεί ανωνυμοποίηση των δεδομένων για λόγους εμπιστευτικότητας. Μια σύντομη περιγραφή των βασικών εννοιών της ανάλυσης επιβίωσης που απαιτούνται για την ανάπτυξη των μοντέλων παρέχεται στο Κεφάλαιο 2. Το Κεφάλαιο 3 παρέχει μια περιγραφή του συνόλου δεδομένων. Το κεφάλαιο 4 αναλύει βασικά περιγραφικά στοιχεία για τα δεδομένα, ενώ το κεφάλαιο 5 παρουσιάζει αποτελέσματα του cox regression analysis. Τα αποτελέσματα του random survival forest συνοψίζονται στο Κεφάλαιο 6. Συμπεράσματα και παρατηρήσεις παρατίθενται στο Κεφάλαιο 7.el
dc.embargo.expire2021-05-07 16:21:18
dc.embargo.ruleOpen access
dc.format.extent42p.
dc.identifierhttp://www.pyxida.aueb.gr/index.php?op=view_object&object_id=8617
dc.identifier.urihttps://pyxida.aueb.gr/handle/123456789/10108
dc.languageen
dc.rightsCC BY: Attribution alone 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectSurvival analysisen
dc.subjectRandom survival foresten
dc.subjectCancer researchen
dc.subjectCox regression analysisen
dc.subjectΑνάλυση επιβίωσηςel
dc.subjectΜοντελοποίηση χρόνουel
dc.subjectΚαρκίνοςel
dc.titleModels for survival analysis in cancer researchen
dc.title.alternativeΑνάλυση επιβίωσης ασθενών με καρκίνοel
dc.typeText

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Τώρα δείχνει 1 - 1 από 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Kintaka_2021.pdf
Μέγεθος:
2.48 MB
Μορφότυπο:
Adobe Portable Document Format