基于mcmc的进展多状态模型的贝叶斯估计.pdf

专业学位硕士学位论文基于MCMC的进展多状态模型的贝叶斯估计 MCMC Bayesian Estimation of aSimple Progressive Multi-—state Model 学 31301007 完成日期: !墨二￡! 大连理工大学 Dalian University ofTechnology 万方数据 nlllliiili Y2822936 大连理工大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导师的指导下进行研究工作所取得的成果。尽我所知,除文中已经注明引用内容和致谢的地方外, 本论文不包含其他个人或集体已经发表的研究成果,也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处,本人愿意承担相关法律责任。学位论文题目:兰三盐￡丛乙盘丝星鱼次茎逝鱼盈!壬型§盘ij[ 作者签名:———J虱』盖拿二————一日期:且年—j月—L目万方数据大连理工大学专业学位硕士学位论文摘要在生存分析事件中,尤其是临床医学实验中,我们观测到的结点都会有这么一个共同特征,数据要么是删失的,要么是截尾的,其中删失又包括了左删失、右删失以及区间删失,其中区间删失在临床医学实验当中经常碰到。例如,在癌症的临床医学研究中, 我们通常定义感兴趣事件发生时间结点为区间删失。同时针对此类的数据,我们通常碰到的只是单阶段的感兴趣事件的发生。而在这篇文章中,我们针对的是癌症临床试验的进展时间结点和死亡时间结点的多状态的模型的研究,并且对模型的参数采用本文提出的参数估计的方法来进行估计。我们研究的是基于随机脆弱项的联合进展和死亡时间点的生存模型的参数估计,我们提出了一个简单的基于MCMC的的贝叶斯参数估计方法来估计模型的参数。我们做了一些模拟实验来验证我们的方法,并结合实例来阐述该方法的有效性。关键词:进展时间;脆弱模型;贝叶斯估计;蒙特卡洛模拟万方数据基于MCMC的进展多状态模型的贝叶斯估计 MCMC Bayesian Estimation of aSimple Progressive Multi—stateModel Abstract The datawe obtained about thetime tothe event ofinterestduring survival analysis has acommon characteristic thattheresultsofsurveying are eithercensored ortruncated,and especially callitinterval—censored when we only know the event within , theresearch of data mainly focus on theestimation ofsurvival function about thiskind data,by contrast,there arelessresearch on parametric estimation,therefore few methods on -related endpoints(such as time to progression or progression—free survival)and time todeath mon endpoints incancer isofinterest linkbetween progression-related endpoints and time todeath fe。 evaluate thedegree ofsurrogacy).There arevarious methods toestimate theparameters inthe proposed joint model ofprogression and death through a frailty thispaper,we propose a conceptually simple putationally feasibleBayesian MCMC estimation method toestimate alsoargue thatinterval-censoring needs tobetaken into account to more closely match the latentdis