معرفی یک مدل بقای فضایی با اثرات تصادفی چوله گاوسی و کاربرد آن در تحلیل داده‌های بیماری کووید-19

با توجه به سرعت بالای شیوع بیماری ناشی از ویروس کرونا به نظر می‌رسد انتقال این بیماری تا حد بسیار زیادی متاثر از موقعیت مکانی افراد آلوده به ویروس است. از زمان آغاز پاندمی، مدل‌های زیادی برای تحلیل زمان بقای بیماران مبتلا به این ویروس استفاده شده است. چون یکی از عوامل مهم خطر، همبستگی فضایی بین زمان‌های بقا است، برای وارد کردن این اثر در مدل بقا، عموماً از یک میدان تصادفی گاوسی استفاده می‌شود. اما فرض گاوسی بودن اثرات تصادفی به دلیل چولگی توزیع زمان بقای بیماران در عمل مطابق با واقعیت نیست. در این مقاله با در نظر گرفتن اثرات تصادفی چوله گاوسی یک مدل بقای فضایی جدید معرفی شده و با تعیین تابع درستنمایی، پارامترهای آن برآورد شده است. سپس در قالب یک مطالعه شبیه‌سازی عملکرد مدل پیشنهادی مورد ارزیابی قرار گرفته است. در خاتمه نحوه کاربست مدل معرفی شده برای تحلیل داده‌های زمان بقای بیماران مبتلا به کووید19 ارائه شده است.

Introduce a Survival Model with Spatial Skew Gaussian Random Effects and its Application in Covid-19 Data Analysis

The prevalence of Covid19 is greatly affected by the location of the patients. From the beginning of the pandemic, many models have been used to analyze the survival time of Covid19 patients. These models often use the Gaussian random field to include this effect in the survival model. But the assumption of Gaussian random effects is not realistic. In this paper, by considering a spatial skew Gaussian random field for random effects and a new spatial survival model is introduced. Then, in a simulation study, the performance of the proposed model is evaluated. Finally, the application of the model to analyze the survival time data of Covid19 patients in Tehran is presented.