以聯合模型探討原發性膽汁性肝硬化

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：14

、訪客IP：18.223.107.149

姓名

張雯涵(Wen-han Zhang) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

以聯合模型探討原發性膽汁性肝硬化
(Using Joint Model to Discuss PBC)

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	★ 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	★ 半母數擴充風險模型

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)

在臨床試驗或醫學研究中，普遍探討的問題是：『到底有哪些因素會影響疾病的發展』或是『藥物對病情的控制是否具有療效』。
解決這樣的問題可透過存活分析得到幫助，其中Cox比例風險模型最常被用來描述存活資訊與變數間的關係以便了解上述問題。
這些影響疾病的變數常會隨時間而變動，我們稱此為長期追蹤資料。
在追蹤過程中常會因某些因素導致資料不完整或是測量時有實驗誤差，這些都將影響Cox比例風險函數中參數的估計；
在此，我們將採用隨機效應來描述變數的軌跡以解決上述問題，並以Cox比例風險函數與隨機效應所配適的聯合模型來進行實例分析，
探討D-青黴胺藥物對於原發性膽汁性肝硬化（PBC）病人的存活時間的影響以及其膽紅素值的變化情況。
我們初步地透過多種圖示法觀察，包括：事件歷史圖，等高圖以及3D平滑曲線圖。
接著再進一步地使用聯合模型所得的估計值進行探討。
最後根據這兩種方法我們得到相同的結論：第一，D-青黴胺藥物對於PBC病人的病情並沒有顯著的療效。
第二，PBC病人的膽紅素值會與風險成正比，膽紅素值越高時，風險隨之上升。

摘要(英)

The main purpose of this thesis is to investigate the effect of D-penicillamine
and bilirubin to lifetime of Primary Biliary Cirrhosis (PBC) patients simultaneously.
Two methods are presented here, graphic techniques and
joint-modeling approach. Graphic techniques are used to do preliminary
exploring the data, which include Event history plot, Contour plot, and
3D smoothing spline surfaces. The joint modeling approach is conducted
to do statistical inferences on estimated parameters for the data. These
two methods have led to the same conclusions. In particular, the drug
D-penicillamine has no significant effect on survival. Moreover, the time
dependent covariate bilirubin can be well described through a cubic random
coefficient model and has a significant impact on patients’ lifetime.

關鍵字(中)

★ 聯合模型
★ 事件歷史圖

關鍵字(英)

★ joint model
★ event history plot

論文目次

第一章緒論1
1.1 疾病介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 模型背景介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . 6
第二章統計方法13
2.1 圖形法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 事件歷史圖. . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 測量值的Profile 圖. . . . . . . . . . . . . . . . . . . 15
2.1.3 3D 平滑曲面圖. . . . . . . . . . . . . . . . . . . . . . 16
2.2 聯合模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 符號定義與模型介紹. . . . . . . . . . . . . . . . . . . 18
2.2.2 使用EM 演算法估計參數. . . . . . . . . . . . . . . . 21
2.2.3 估計參數之標準誤差. . . . . . . . . . . . . . . . . . . 26
第三章實例分析28
3.1 資料背景. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
iv
3.2 圖形法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2.1 事件歷史圖. . . . . . . . . . . . . . . . . . . . . . . . 32
3.2.2 Profile 圖. . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.3 3D 平滑曲面圖. . . . . . . . . . . . . . . . . . . . . . 37
3.3 聯合模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
第四章結論與展望47
參考文獻52

參考文獻

1. Cleveland, W.S. (1979) ”Robust Locally Weighted Regression and
Smoothing Scatterplots” Journal of the American Statistical Association,
Vol.74, No.368, pp.829-836.
2. Cox, D.R. (1972) ”Regression Models and Life-Tables.” Journal of
the Royal Statistical Society. Series B(Methodological), Vol.34, No.2,
pp.187-220.
3. Dickson, E.R., Grambsch, P.M., Fleming, T.R., Fisher, L.D. and Longworthy,
N. (1989) ”Prognosis in Primary Biliary Cirrhosis: Model for
Decision Making.” Hepatology, Vol.10, No.11, 1-7
4. Dempster, A.P., Laird, N.M. and Rubin, D.B. (1977) ”Maximum Likelihood
from Imcomplete Data via EM Algorithm” Journal of the Royal
Statistical Society. Series B(Methodological), Vol.39, No.1, pp.1-38.
5. Ding, J. and Wang, J.L. (2008) ”Modeling Longitudinal Data with
Nonparametric Multiplicative Random Effects Jointly with Survival
Data.” Biometrics, 64, 546-556
6. Dubin, J.A., M¨uller, H.G. and Wang, J.L. (2001) ”Event history
52
graphs for censored survival data.” Statistics in Medicine, 20, 2951-
2964
7. Efron, B.(1979) ”Bootstrap methods: Another look at the jackknife.”
Annual Statistician, Vol.7, No.7, pp.1-26.
8. Fleming, T.R. and Harrington, D.P. (1991) ”Counting Processes and
Survival Analysis.” New York: Weiley.
9. Goldman, A.I. (1992) ”Eventcharts:Visualizing Survival and Other
Timed-Events Data.” The American Statistician, Vol.46, No.1, pp.13-
18
10. Gong, Y., Klingenberg, S.L. and Gluud, C. (2004) ”D-penicillamine for
primary biliary cirrhosis.” Cochrane Database of Systematic Reviews,
New York: Wiley.
11. Henderson, R., Diggle, P. and Dobson, A. (2000) ”Joint modelling of
longitudinal measurements and event time data.” Biostatistics, Vol.1,
No.4, pp.465-480
12. Hsieh, F., Tseng, Y.K. and Wang, J.L. (2006) ”Joint Modeling of
Survival and Longitudinal Data: Likelihood Approach Revisited.” Biometrics,
62, 1037-1043
53
13. Lee, J.J., Hess, K.R. and Dubin, J.A. (2000) ”Extensions and Applications
of Event Charts” The American Statistician, Vol.54, No.1,
pp.63-70
14. Markus, B.H., Dickson, E.R., Grambsch, P.M., Fleming, T.R., Mazzaferro,
V., Klintmalm, G.B., Wiesner, R.H., Van Thiel, D.H., and
Starzl, T.E. (1989) ”Efficiency of Liver Transplantation in Patients
With Primary Biliary Cirrhosis” New England Journal of Medicine,
Vol.320, 1709-1713
15. Murtaugh, P.A., Dickson, E.R., Van Dam, G.M., Malinchoc, M., Grambsch,
P.M., Langworthy, A.L. and Gips, C.H. (1994) ”Primary biliary
cirrhosis: prediction of short-term survival based on repeated patient
visits.” Hepatology, Vol.1 No.1, 126-134
16. Neuberger, J., Christensen, E., Portmann, B., Caballeria, J., Rodes,
J., Ranek, L., Tygstrup, N. and Williams, R.(1985) ”Double blind
controlled trial of d-penicillamine in patients with primary biliary cirrhosis.”
Gut 26,114-119
17. Silverman, B.W. (1985) ”Spline Smoothing: The Equivalant Variable
Kernel Method.” The Annals of Statistics, Vol.12, No.3, pp.898-916
54
18. Song, X., Davidian, M. and Tsiatis, A.A. (2002) ”A Semiparametric
Likelihood Approach to Joint Modeling of Longitudinal and Time-to-
Event Data.” Biometrics, 58, pp.742-753
19. Taylor, J.M.G., Cumberland, W.G. and Sy, J.P. (1994) ”A Stochastic
Model for Analysis of Longitudinal AIDS Data.” Journal of the
American Statistical Association, Vol.89, No.427, pp.727-736
20. Taylor, J.M.G., and Law, N. (1998) ”Does the Covariance Structure
Matter in Longitudinal Modelling for the Prediction of Future CD4
Counts?” Statistics in Medicine, 17, 2381-2394
21. Tseng, Y.K., Hsieh, F. and Wang, J.L. (2005) ”Joint modelling of
accelerated failure time and longitudinal data.” Biometrika, Vol.92,
No.3, pp.587-603
22. Tsiatis, A.A. and Davidian, M. (2004) ”Joint Modeling of Longitudinal
and Time-to-Event Data: An Overview.” Statistica Sinica, 14,
809-834
23. Tsiatis, A.A., DeGruttola, V. and Wulfsohn, M.S. (1995) ”Modeling
the Relationship of Survival to Longitudinal Data Measured with Error.
Applications to Survival and CD4 Counts in Patients with AIDS”
55
Journal of the American Statistical Association, Vol.90, No.429, pp.27-
37
24. Wang, Y. and Taylor, J.M.G. (2001) ”Jointly Modeling Longitudinal
and Event Time DataWith Application to Acquired Immunodeficiency
Syndrome” Journal of the American Statistical Association, Vol.96,
No.455, pp.895-905
25. Wulfsohn, M.S. and Tsiatis, A.A. (1997) ”A Joint Model for Survival
and Longitudinal DataMeasured with Error.” Biometrics, Vol.53,
No.1, pp.330-339
26. Yu, M., Law, N.J., Taylor, J.M.G. and Sandler, H.M. (2004) ”Joint
Longitudinal-Survival-Cure Models and Their Application to Prostate
Cancer.” Statistica Sinica, 14, pp.835-862
27. Zeng, D. and Cai, J. (2005) ”Asymptotic Results for Maximum Likelihood
Estimators in Joint Analysis of Repeated Measurements and
Survival Time.” The Annals of Statistics Vol.33, No.5, pp.2132-2163

指導教授

曾議寬(Yi-kuan Tseng)

審核日期

2009-6-25

推文