台灣愛滋病實例研究－以聯合模型探討愛滋病患存活時間與相關生物指標之關係

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：32

、訪客IP：3.145.100.243

姓名

林家聿(Jia-Yu Lin) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

台灣愛滋病實例研究－以聯合模型探討愛滋病患存活時間與相關生物指標之關係
(An AIDS case study in Taiwan - Using joint model to explore the relationship between the survival time of AIDS patients and related biomarkers.)

相關論文

★ 長期與存活資料之聯合模型-新方法和數值方法的改進	★ 復發事件存活分析的共享廣義伽瑪脆弱因子之半母數聯合模型
★ 加乘法風險模型結合長期追蹤資料之聯合模型	★ 有序雙重事件時間分析使用與時間相關的共變數－邊際方法的比較
★ 存活與長期追蹤資料之聯合模型－台灣愛滋病實例研究	★ 以聯合模型探討地中海果蠅繁殖力與老化之關係
★ 聯合模型在雞尾酒療法療效評估之應用—利用CD4/CD8比值探討台灣愛滋病資料	★ 時間相依共變數之雙重存活時間分析—台灣愛滋病病患存活時間與 CD4 / CD8 比值關係之案例研究
★ Cox比例風險模型之參數估計─比較部分概似法與聯合模型	★ 復發事件存活時間分析-丙型干擾素對慢性肉芽病患復發療效之案例研究
★ Cox 比例風險假設之探討與擴充風險模型之應用	★ 以聯合模型探討原發性膽汁性肝硬化
★ 聯合長期追蹤與存活資料分析－肝硬化病患之實例研究	★ 復發事件存活時間分析-rhDNase對囊狀纖維化病患復發療效之案例研究
★ 聯合長期追蹤與存活資料分析-原發性膽汁性肝硬化病患之實例研究	★ 復發事件存活時間分析-Thiotepa對膀胱癌病患復發療效之案例研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

本篇論文利用CD4細胞數和病毒乘載量來預測愛滋病患的發病時間，並探討愛滋病患接受雞尾酒療法是否有療效。有重複測量的長期追蹤資料常常因為機器、人為測量誤差或生物體本身的差異，造成觀測上的誤差，因此本研究利用聯合模型來解決這樣的問題。在生物指標的部分，使用線性混合效應模型對長期追蹤資料軌跡做配適；在事件時間的部分，使用加速失敗時間風險模型描述共變數與存活時間的關係，再結合這兩個部分建構出聯合模型，並使用EM演算法對參數做估計，其中使用拔靴法來估算參數估計值的標準差。

關鍵字：聯合模型、長期追蹤資料、線性混合效應模型、加速失敗時間風險模型、EM演算法、拔靴法。

摘要(英)

In this thesis, we use CD4 and viral load to predict AIDS patients’ time to death and explore whether HAART works or not when patients were treated with it. The study which contains longitudinal covariates and survival time information is usually subject to measurement errors. Thus, we use joint model to solve this problem instead of partial likelihood approach. The approach uses linear mixed effects models to fit the longitudinal part and conducts the likelihood ratio test to select the suitable longitudinal model, and utilizes the accelerated failure time model to describe the relationship between covariates and survival time information. We combine these two parts to build a joint likelihood function and estimate the maximum likelihood estimators of all parameters by EM algorithm. The estimates of standard errors are derived by bootstrap method.

Keywords: join model, longitudinal data, linear mixed effects model, accelerated failure time model, EM algorithm, bootstrap method.

關鍵字(中)

★ 聯合模型
★ 長期追蹤資料
★ 線性混合效應模型
★ 加速失敗時間風險模型
★ EM 演算法
★ 拔靴法

關鍵字(英)

★ join model
★ longitudinal data
★ linear mixed effects model
★ accelerated failure time model
★ EM algorithm
★ bootstrap method

論文目次

摘要I
Abstract II
致謝III
圖目錄VII
表目錄VIII
第一章緒論1
1.1 資料背景. . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 疾病介紹. . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 疾病傳染途徑. . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 疾病診斷指標. . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4 疾病治療. . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 研究背景與動機. . . . . . . . . . . . . . . . . . . . . . . . . 9
第二章統計方法15
2.1 單一長期追蹤模型. . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 存活模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 聯合概似函數. . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4 演算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.1 M-Step . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.2 M-Step . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 參數標準差的估計. . . . . . . . . . . . . . . . . . . . . . . . 28
2.6 多個長期追蹤模型. . . . . . . . . . . . . . . . . . . . . . . . 29
第三章MATLAB套件-JointModel介紹36
3.1 資料輸出. . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 輸入起始值. . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3 輸出元件. . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
第四章實例分析41
4.1 資料介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 線性混合效應模型. . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.1 CD4細胞數與線性混合效應模型配適. . . . . . . . . . . . . 43
4.2.2 病毒乘載量與線性混合效應模型配適. . . . . . . . . . . . . 45
4.3 聯合模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
第五章結論與討論52
參考文獻54

參考文獻

Brown, E. R., Ibrahim, J. G. & Degruttola, V. (2005). A Flexible B-spline Model for Multiple Longitudinal Biomakers and Survival. Biometrics, 61, 64-73.

Cox, D. R. (1972). Regression Models and Life-Tables. Journal of the Royal Statistical Society Series B, 34, 187-220.

Ding, J. & Wang, J. L. (2008). Modeling Longitudinal Data with Nonparametric Multiplicative Random Effects Jointly with Survival Data. Biometrics, 64, 546-56.

Rizopoulos, D. (2016). JM: An R package for the joint modelling of longitudinal and time-to-event data. Journal of Statistical Software 35 (9), 1-33.

Henderson, R., Diggle, P. and Dobson, A. (2000). Joint modeling of longitudinal measurements and event time data. Biometrics, 4, 465-480.

Hsieh, F., Tseng, Y. K. and Wang, J. L. (2006). Joint Modeling of Survival and Longitudinal Data: Likelihood Approch Revisited. Biometrics, 62, 1037-1043.

Kaplan, E L. and Meier, P. (1958). Nonparametric Estimation from Incomplete Observations. Journal of the American Statistical Assocoation, 53, 457-481.

Laird, N. M. and Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38, 963-974.

Tsiatis, A. A. and Davidian, M. (2001). A semiparametric estimator for the prportioal hazards model with longitudinal covariates measured with error. Biometrica, 88, 447-458.

Tsiatis, A. A. and Davidian, M. (2004). Joint Modeling of Longitudinal and Time-to-Event Data: An Overview. Statistica Sinica, 14, 809-834.

Tseng, Y. K., Hsieh, F. and Wang, J. L. (2005). Joint Modelling of Accelerated Failure Time and Longitudinal Data. Biometrika, 92, pp.587-603.

Tseng, Y.K. and Yang. Y.F. “MATLAB Package for Longitudinal and Survival data with Cox and AFT Models.” Manuscript.

Verbeke, G. and Davidian, M (2008). Joint Models for Longitudinal Data: Introduction and Overview. Longitudinal data analysis: handbooks of modern statistical methods Ed. Fitzmaurice, G., Davidian, M., Verbeke, G. and Molenberghs, G., 319-326. Chapman&Hall/CRC.

Wulfsohn, M. S. and Tsiatis, A. A. (1997). A Joint Model for Survival and Longitudinal Data Measured with Error. Biometrics, 53, 330-339.

Hwang, Y.T., Wang, C.C., Wang, C.H., Tseng, Y.K. and Chang, Y.J. (2015). Joint model of multiple longitudinal measures and a binary outcome – an application to predict orthostatic hypertension for subacute stroke patients. Biometrical Journal. 57, 661-675.

Yu., M., Law N.J., Taylor J.M.G. & Sandler H.M. (2004). “Joint longitudinal-survival-cure models and their application to prostate cancer.” Statist. Sinica 14, 835-862

Zeng D., Cai J. (2005). Asymptotic Results for Maximum Likelihood Estimators in Joint Analysis of Repeated Measurements and Survival Time. The Annals of Statistics, 33, 2132-2163.

Zeng, D. and Lin, D. Y. (2007). Efficient Estimation in the Accelerated Failure Time Model. Journal of the American Statistical Association 102, 1387-1396.

行政院衛生署疾病管制局出版 (2008)。愛滋病檢驗及治療指引。

hphantom{}

社團法人中華民國愛滋感染者權益促進會網站 (2016)。http://www.praatw.org/aids.asp#1

吳天文 (2014)。台灣愛滋病實例研究- 以極限測定之線性混合模型探討病患之CD4數目與病毒載量對時間的關係。國立中央大學統計研究所碩士論文。

楊雅芳 (2013)。長期與存活資料之聯合模型-新方法和數值方法的改進。國立中央大學統計研究所博士論文。

翁金龍 (2012)。聯合模型之參數估計─軟體MATLAB套件JointModel與軟體R套件JM之比較。國立中央大學統計研究所碩士論文。

翁瑄佑 (2013)。台灣愛滋病實例研究－以聯合模型探討CD4細胞數以及病毒乘載量對愛滋病患存活時間之關係。國立中央大學統計研究所碩士論文。

指導教授

曾議寬(Yi-Kuan Tseng)

審核日期

2016-7-13

推文