Helbredelsesmodeller
Oversat titel
Cure Models
Forfattere
Larsen, Jonas Hughes ; El-Khatib, Souad Zerzouri
Semester
4. semester
Uddannelse
Udgivelsesår
2020
Afleveret
2020-06-02
Resumé
Specialet undersøger helbredelsesmodeller som et værktøj i overlevelsesanalyse til at estimere andelen af statistisk helbredte patienter og overlevelsen for de ikke-helbredte. Udgangspunktet er relativ overlevelse, hvor netto- og relativ overlevelse introduceres, og tre ikke-parametriske estimationsmetoder (Ederer I, Ederer II og Hakulinen) gennemgås. To hovedtyper af helbredelsesmodeller beskrives: mixtur- og ikke-mixturmodeller, ofte baseret på simple parametre som Weibull-, log-normal- og eksponentialfordelinger. Da disse kan være for restriktive, præsenteres også fleksible parametriske helbredelsesmodeller med splines: ARS (en særlig ikke-mixturmodel med baglæns-spline) og FMC (en mixturmodel med restringeret kubisk spline). Modellerne anvendes på et coloncancer-datasæt fra 1975–1994 (18–90 år; 15.375 patienter; median opfølgning 8,9 år) med analyser stratificeret efter alder og diagnoseperiode. Analyserne peger på lavere overlevelse for ældre patienter, særligt tidligt i forløbet, samt forbedringer i behandling over perioden 1975–1994. Det fremhæves, at AIC alene kan være utilstrækkelig til modelvalg, og at sammenligning med ikke-parametriske relative overlevelsesestimater (fx Ederer I) er nyttig.
This thesis examines cure models in survival analysis to estimate the proportion of statistically cured patients and the survival of those not cured. The work centers on a relative survival framework, introducing net and relative survival and discussing three non-parametric estimators (Ederer I, Ederer II, and Hakulinen). Two main cure-model types are covered—mixture and non-mixture—often specified with simple parametric forms such as Weibull, log-normal, and exponential distributions; because these can be too restrictive, flexible spline-based cure models are also presented: the ARS model (a special non-mixture model using a backward spline) and the FMC model (a mixture model using a restricted cubic spline). The models are applied to colon cancer data from 1975–1994 (ages 18–90; 15,375 patients; median follow-up 8.9 years) with analyses stratified by age and diagnosis period. The analyses indicate worse survival for older patients, especially early in follow-up, and improvements in treatment over 1975–1994. The thesis notes that AIC alone may be insufficient for model selection and recommends comparing candidate models with non-parametric relative survival estimates (e.g., Ederer I).
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]
Emneord