استفاده از مدل بی ثبات نرخ خطر متناسب در تحلیل داده های واقعی

جمعیت های زیادی در آنالیز بقا اغلب با مشکل ناهمگنی مواجه هستند. افراد در نحوه برخورد با علت مرگ، واکنش به معالجه و تحت تاثیرعوامل خطر قرار گرفتن، انعطاف پذیر هستند. نادیده گرفتن این ناهمگنی می تواند باعث به دست آمدن نتایج نادرست شود. برای برطرف کردناین مشکلات، مدل بی ثبات نرخ خطر متناسب را معرفی می کنیم. در این مقاله، ضمن معرفی مدل بی ثبات نرخ خطر متناسب، ویژگی های آنرا مورد مطالعه قرار می دهیم. برازش مدل بی ثبات به داده های سانسور شده از راست در حضور متغیرهای توضیحی (متغیرهای قابل مشاهده)بررسی می کنیم و در قالب مثال کاربردی برای برازش مدل بی ثبات به داده ها با در نظر گرفتن توزیع پایه وایبل و نمایی در توابع درستنمایی، ازآنها برای برآورد پارامترهای مدل استفاده می شود و با معیارهای مختلف به مقایسه مناسبت مدل ها می پردازیم.

Use of Frailty Propertional Risk Rate Model in Real Data Analysis

Many populations encountered in survival analysis are often not homogeneous. Individuals are flexible in their susceptibility to causes of death, response to treatment, and influence of various risk factors. Ignoring this heterogeneity can result in misleading conclusions. To deal with these problems, the proportional hazard frailty model was introduced. In this paper, the frailty model is explained as the product of the frailty random variable and baseline hazard rate. We examine the fit of the frailty model to the rightcensored data from in the presence of explanatory variables (observable variables) and use it as a practical example to fit the frailty model to the data by considering the Weibull basis distribution and exponential in the likelihood functions. It is used to estimate the model parameters and compare the fit of the models with different criteria.