توضیحات
”Preface Joint models for longitudinal and time-to-event data have become a valuable tool in the analysis of follow-up data. These models are applicable mainly in two settings: First, when focus is in the survival outcome and we wish to account for the effect of an endogenous time-dependent covariate measured with error, and second, when focus is in the longitudinal outcome and we wish to correct for nonrandom dropout. Due to their capability to provide valid inferences in settings where simpler statistical tools fail to do so, and their wide range of applications, the last 25 years have seen many advances in the joint modeling field. Even though interest and developments in joint models have been widespread, information about them has been equally scattered in articles, presenting recent advances in the field, and in book chapters in a few texts dedicated either to longitudinal or survival data analysis. However, no single monograph or text dedicated to this type of models seems to be available. The purpose in writing this book, therefore, is to provide an overview of the theory and application of joint models for longitudinal and survival data. In the literature two main frameworks have been proposed, namely the random effects joint model that uses latent variables to capture the associations between the two outcomes (Tsiatis and Davidian, 2004), and the marginal structural joint models based on G estimators (Robins et al., 1999, 2000). In this book we focus in the former. Both subfields of joint modeling, i.e., handling of endogenous time-varying covariates and nonrandom dropout, are equally covered and presented in real datasets”– Read more…
پیشگفتار مدل های مشترک برای داده های طولی و زمانی تا رویداد به ابزاری ارزشمند در تجزیه و تحلیل داده های بعدی تبدیل شده اند. این مدلها عمدتاً در دو حالت قابل استفاده هستند: اول، زمانی که تمرکز در نتیجه بقا است و ما میخواهیم اثر یک متغیر کمکی وابسته به زمان درونزا را با خطا اندازهگیری کنیم، و دوم، زمانی که تمرکز در نتیجه طولی است و میخواهیم برای تصحیح غیرتصادفی انصراف. با توجه به توانایی آنها در ارائه استنتاج های معتبر در تنظیماتی که ابزارهای آماری ساده تر این کار را انجام نمی دهند، و طیف گسترده ای از کاربردهای آنها، در 25 سال گذشته شاهد پیشرفت های زیادی در زمینه مدل سازی مشترک بوده ایم. اگرچه علاقه و پیشرفت در مدلهای مشترک گسترده بوده است، اطلاعات مربوط به آنها به همان اندازه در مقالات پراکنده شده است، که پیشرفتهای اخیر در این زمینه را ارائه میکند، و در فصول کتاب در چند متون که به تجزیه و تحلیل دادههای طولی یا بقا اختصاص داده شده است. با این حال، به نظر می رسد که هیچ تک نگاری یا متنی اختصاص داده شده به این نوع مدل ها در دسترس نباشد. بنابراین، هدف از نگارش این کتاب، ارائه مروری بر نظریه و کاربرد مدلهای مشترک برای دادههای طولی و بقا است. در ادبیات دو چارچوب اصلی پیشنهاد شده است، یعنی مدل مشترک اثرات تصادفی که از متغیرهای پنهان برای به دست آوردن ارتباط بین دو پیامد استفاده می کند (Tsiatis and Davidian, 2004) و مدل های مشترک ساختاری حاشیه ای بر اساس برآوردگرهای G (رابینز و همکاران) .، 1999، 2000). در این کتاب ما بر روی اولی تمرکز می کنیم. هر دو زیرشاخه مدل
tag : دانلود کتاب مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R , Download مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R , دانلود مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R , Download Joint models for longitudinal and time-to-event data : with applications in R Book , مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R دانلود , buy مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R , خرید کتاب مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R , دانلود کتاب Joint models for longitudinal and time-to-event data : with applications in R , کتاب Joint models for longitudinal and time-to-event data : with applications in R , دانلود Joint models for longitudinal and time-to-event data : with applications in R , خرید Joint models for longitudinal and time-to-event data : with applications in R , خرید کتاب Joint models for longitudinal and time-to-event data : with applications in R ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.