Dynamic Regression Models for Survival Data

در تجزیه و تحلیل بقا مدت‌هاست که نیاز به مدل‌هایی وجود دارد که فراتر از مدل کاکس است زیرا فرض خطرات متناسب اغلب در عمل شکست می‌خورد. این کتاب مدل‌های رگرسیون انعطاف‌پذیر مدرن را برای داده‌های بقا با تمرکز ویژه بر توسعه‌های مدل کاکس و مدل‌های جایگزین با هدف خاص توصیف اثرات متغیرهای زمانی متغیرهای توضیحی مورد مطالعه و اعمال قرار می‌دهد. یکی از مدل هایی که مورد توجه ویژه قرار می گیرد، مدل خطرات افزایشی آلن است که به ویژه برای مقابله با اثرات متغیر زمان مناسب است. این کتاب استفاده از باقیمانده‌ها و تکنیک‌های نمونه‌گیری مجدد را برای ارزیابی تناسب مدل‌ها پوشش می‌دهد و همچنین اشاره می‌کند که چگونه می‌توان از مدل‌های پیشنهادی برای داده‌های بقای خوشه‌ای استفاده کرد. نویسندگان جنبه عملی مهمی را نشان می دهند که چگونه می توان آزمایش فرضیه اثرات متغیر زمان را انجام داد و راهبردهای انتخاب مدل معکوس را برای مدل های انعطاف پذیر در نظر گرفته امکان پذیر می کند.

استفاده از مدل ها و روش های پیشنهادی بر روی نمونه های داده واقعی نشان داده شده است. روش‌ها در زمان‌بندی R-package توسعه‌یافته توسط نویسندگان موجود است که در سراسر کتاب با نمونه‌های کار شده برای مجموعه داده‌ها اعمال می‌شود. این به خواننده شانس بی نظیری برای کسب تجربه عملی می دهد.

این کتاب برای مشاوران آماری و همچنین برای کسانی که می‌خواهند درباره توجیه نظری روش‌های پیشنهادی بیشتر بدانند، مناسب است. این می تواند به عنوان یک کتاب درسی برای دوره های فارغ التحصیل / کارشناسی ارشد در تجزیه و تحلیل بقا استفاده شود و دانش آموزان از تمرین های ارائه شده پس از هر فصل قدردانی خواهند کرد. جنبه کاربردی کتاب با مثال‌های کار شده فراوان همراه با R-code به طور مفصل نشان می‌دهد که چگونه می‌توان داده‌های واقعی را تجزیه و تحلیل کرد و در عین حال درک عمیق‌تری از نظریه زیربنایی به دست می‌دهد.

توربن مارتینوسن در گروه علوم طبیعی در دانشگاه سلطنتی دامپزشکی و کشاورزی است. او دکتری دارد. از دانشگاه کپنهاگ و دستیار سردبیر مجله آمار اسکاندیناوی است. توماس شایک در گروه آمار زیستی در دانشگاه کپنهاگ است. او دکتری دارد. از دانشگاه کالیفرنیا در برکلی و دکترای علوم در دانشگاه کپنهاگ است. او سردبیر مجله آمار اسکاندیناوی و سردبیر چندین مجله دیگر است.

In survival analysis there has long been a need for models that goes beyond the Cox model as the proportional hazards assumption often fails in practice. This book studies and applies modern flexible regression models for survival data with a special focus on extensions of the Cox model and alternative models with the specific aim of describing time-varying effects of explanatory variables. One model that receives special attention is Aalen’s additive hazards model that is particularly well suited for dealing with time-varying effects. The book covers the use of residuals and resampling techniques to assess the fit of the models and also points out how the suggested models can be utilised for clustered survival data. The authors demonstrate the practically important aspect of how to do hypothesis testing of time-varying effects making backwards model selection strategies possible for the flexible models considered.

The use of the suggested models and methods is illustrated on real data examples. The methods are available in the R-package timereg developed by the authors, which is applied throughout the book with worked examples for the data sets. This gives the reader a unique chance of obtaining hands-on experience.

This book is well suited for statistical consultants as well as for those who would like to see more about the theoretical justification of the suggested procedures. It can be used as a textbook for a graduate/master course in survival analysis, and students will appreciate the exercises included after each chapter. The applied side of the book with many worked examples accompanied with R-code shows in detail how one can analyse real data and at the same time gives a deeper understanding of the underlying theory.

Torben Martinussen is at the Department of Natural Sciences at the Royal Veterinary and Agricultural University. He has a Ph.D. from University of Copenhagen and is associate editor of the Scandinavian Journal of Statistics. Thomas Scheike is at the Department of Biostatistics at University of Copenhagen. He has a Ph.D. from University of California at Berkeley and is Doctor of Science at the University of Copenhagen. He is the editor of the Scandinavian Journal of Statistics and associate editor of several other journals.