مشخصات کتاب

Joint models for longitudinal and time-to-event data: with applications in R

ویرایش: 1 
نویسندگان: Rizopoulos. Dimitris  
سری: Chapman & Hall/CRC biostatistics series 
ISBN (شابک) : 1439872864, 9781439872864 
ناشر: Chapman and Hall/CRC 
سال نشر: 2012 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت 

کلمات کلیدی مربوط به کتاب مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R: تجزیه و تحلیل عددی، پردازش داده، R (زبان برنامه کامپیوتری)، ریاضیات، احتمال و آمار، عمومی، پزشکی، اپیدمیولوژی، Längsschnittuntersuchung، Ereignisdatenanalyse، Mathematisches Modell، R، آنالیز عددی، R (نرم افزار)، مدل های ریاضی، آمار ریاضی،

در صورت تبدیل فایل کتاب Joint models for longitudinal and time-to-event data: with applications in R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب مدل های مشترک برای داده های طولی و زمان تا رویداد: با برنامه های کاربردی در R



در مطالعات طولی اغلب مورد توجه است که بررسی شود چگونه یک نشانگر که به طور مکرر در زمان اندازه گیری می شود با یک زمان به یک رویداد مورد علاقه مرتبط است، به عنوان مثال، مطالعات سرطان پروستات که در آن اندازه گیری های سطح PSA طولی در ارتباط با زمان جمع آوری می شود. -به عود مدل های مشترک برای داده های طولی و زمانی تا رویداد: با برنامه های کاربردی در R درمان کاملی از مدل های مشترک اثرات تصادفی برای نتایج طولی و زمان به رویداد ارائه می دهد که می تواند برای تجزیه و تحلیل چنین داده هایی مورد استفاده قرار گیرد. محتوا عمدتاً توضیحی است و بر کاربردهای مدل‌سازی مشترک تمرکز دارد، اما جزئیات ریاضی کافی برای تسهیل درک ویژگی‌های کلیدی این مدل‌ها ارائه شده است.

توضیحاتی درمورد کتاب به خارجی

In longitudinal studies it is often of interest to investigate how a marker that is repeatedly measured in time is associated with a time to an event of interest, e.g., prostate cancer studies where longitudinal PSA level measurements are collected in conjunction with the time-to-recurrence. Joint Models for Longitudinal and Time-to-Event Data: With Applications in R provides a full treatment of random effects joint models for longitudinal and time-to-event outcomes that can be utilized to analyze such data. The content is primarily explanatory, focusing on applications of joint modeling, but sufficient mathematical details are provided to facilitate understanding of the key features of these models.

فهرست مطالب

 Content: Introduction Inferential Objectives in Longitudinal Studies Case Studies Organization of the Book  Analysis of Longitudinal Data Features of Repeated Measures Data Linear Mixed Effects Models Dropout in Longitudinal Studies  Analysis of Time-to-Event Data Features of Event Time Data Relative Risk Models Time-Dependent Covariates  Joint Models for Longitudinal and Time-to-Event Data The Standard Joint Model Connection with the Dropout Framework  Extensions of the Standard Joint Model Parameterizations Multiple Failure Times Latent Class Joint Models  Diagnostics Residuals for the Longitudinal Submodel Residuals for the Survival Submodel Random Effects Distribution  Prediction and Accuracy in Joint Models Dynamic Predictions for the Survival and Longitudinal Outcomes  Effect of the Parameterization on Predictions Prospective Accuracy Measures for Longitudinal Markers
 Abstract:             \'\'Preface Joint models for longitudinal and time-to-event data have become a valuable tool in the analysis of follow-up data. These models are applicable mainly in two settings: First, when focus is in the survival outcome and we wish to account for the effect of an endogenous time-dependent covariate measured with error, and second, when focus is in the longitudinal outcome and we wish to correct for nonrandom dropout. Due to their capability to provide valid inferences in settings where simpler statistical tools fail to do so, and their wide range of applications, the last 25 years have seen many advances in the joint modeling field. Even though interest and developments in joint models have been widespread, information about them has been equally scattered in articles, presenting recent advances in the field, and in book chapters in a few texts dedicated either to longitudinal or survival data analysis. However, no single monograph or text dedicated to this type of models seems to be available. The purpose in writing this book, therefore, is to provide an overview of the theory and application of joint models for longitudinal and survival data. In the literature two main frameworks have been proposed, namely the random effects joint model that uses latent variables to capture the associations between the two outcomes (Tsiatis and Davidian, 2004), and the marginal structural joint models based on G estimators (Robins et al., 1999, 2000). In this book we focus in the former. Both subfields of joint modeling, i.e., handling of endogenous time-varying covariates and nonrandom dropout, are equally covered and presented in real datasets\'\'

نظرات کاربران

کتاب های تصادفی

دانلود کتاب UAE and the Gulf: Architecture and Urbanism Now

دانلود کتاب ScaleChord Magic: Music Theory Demystified - How to Master Interval Relationships (Theory in a Thimble Series Book 1)

دانلود کتاب Fuzzy Set and its Extension. The Intuitionistic Fuzzy Set

دانلود کتاب Zartbittere Verführung: Eine Geschichte mit Schokoladenkuchen

دانلود کتاب The Infinite Eight