E8680 Pokročilé metody aplikované analýzy přežití

Přírodovědecká fakulta
jaro 2024
Rozsah
2/0/0. 2 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k.
Vyučující
doc. Mgr. Zdeněk Valenta, M.Sc., M. S., Ph.D. (přednášející)
Garance
doc. Mgr. Zdeněk Valenta, M.Sc., M. S., Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: doc. Mgr. Zdeněk Valenta, M.Sc., M. S., Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Rozvrh
Po 19. 2. až Ne 26. 5. St 14:00–17:50 F01B1/709
Předpoklady
- Předmět “Pokročilé metody aplikované analýzy přežití” (PMAAP) neformálně navazuje na předmět Bi8678 "Aplikovanou analýzu přežití".
- Předpokládají se alespoň základní znalosti z analýzy přežití.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
- Alternativní název předmětu by mohl znít “Mnohorozměrné metody aplikované analýzy přežití”.
- Na konci tohoto kurzu bude student seznámen se základními atributy mnohorozměrných metod pro analýzu přežití, v to počítaje především:
(i) Vícestavové modely analýzy přežití;
(ii) Modely kompetitivních rizik;
(iii) Frailty modely (“smíšené modely s náhodnými efekty”) pro analýzu přežití
Výstupy z učení
Student bude po absolvování předmětu:
- Rozumět podstatě mnohorozměrných modelů pro analýzu přežití;
- Schopen vysvětlit a prakticky použít vícestavové modely pro analýzu přežití;
- Rozumět a umět použít modely kompetitivních rizik, rozumět konceptu kumulativní incidenční funkce a regresi příčinně-specifických hazardů a sub-distribučních hazardů;
- Rozumět konceptu frailty modelů (“tj. smíšených modelů s náhodnými efekty”) pro analýzu přežití a umět je použít pro analýzu korelovaných dat o přežití
Osnova
  • Sylabus předmětu PMAAP bude zahrnovat zejména následující:
  • Paralelní a longitudinální datové struktury
  • Základní typy mnohorozměrných dat o přežití
  • - Základní paralelní data
  • - Opakované (rekurentní) jevy
  • - Opakovaná měření v naplánované studii
  • - Sledování výskytu několika různých typů jevů v čase
  • - “Cause of death data”, sledujeme několik různých příčin úmrtí
  • Struktury závislosti
  • - Pravděpodobnostní mechanismy
  • - Časové úseky závislosti
  • Míry dvojrozměrné závislosti
  • Pravděpodobnostní aspekty více-stavových modelů
  • Statistická inference pro více-stavové modely
  • Shared frailty modely
  • Shared frailty modely pro rekurentní jevy
  • Mnohorozměrné frailty modely
  • Modely kompetitivních rizik
  • Příklady v jazyce R. Aplikace na reálná data z biologie a medicíny.
Literatura
  • PUTTER, H, M FIOCCO a RB GESKUS. Tutorial in biostatistics: Competing risks and multi-state models. Statistics in Medicine. CHICHESTER: JOHN WILEY & SONS LTD, 2007, roč. 26, č. 11, s. 2389-2430. ISSN 0277-6715. Dostupné z: https://dx.doi.org/10.1002/sim.2712. info
  • MARTINUSSEN, Torben a Thomas H. SCHEIKE. Dynamic regression models for survival data. New York: Springer, 2006, xiii, 470. ISBN 0387202749. info
  • THERNEAU, Terry M. a Patricia M. GRAMBSCH. Modeling survival data : extending the Cox model. 2nd print. New York: Springer-Verlag, 2001, xiii, 350. ISBN 0387987843. info
  • HOUGAARD, Philip. Analysis of multivariate survival data. New York: Springer Verlag, 2000. info
  • FINE, JP a RJ GRAY. A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association. Alexandria: Amer Statistical Assoc, 1999, roč. 94, č. 446, s. 496-509. ISSN 0162-1459. Dostupné z: https://dx.doi.org/10.2307/2670170. info
Výukové metody
Přednášky, diskuze, projektový úkol pro studenty ve skupinách
Metody hodnocení
Závěrečný písemný test (30 otázek, každá hodnocena 1 bodem, k úspěšnému zvládnutí je zapotřebí dosáhnout alespoň 25 bodů), závěrečný (skupinový) projekt, ústní zkouška v případě nezvládnutí testu
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2023, jaro 2025.