Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Tailored statistical methodology for large-scale registry-based clinical data to optimize online risk prediction
Übersetzter Titel:
Maßgeschneiderte statistische Methoden für große, registerbasierte klinische Daten zur Optimierung öffentlich zugänglicher Risikovorhersagen
Autor:
Miller, Gregor M.
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Life Sciences
Betreuer:
Ankerst, Donna (Prof., Ph.D.)
Gutachter:
Ankerst, Donna (Prof., Ph.D.); Hüser, Norbert H. (Prof. Dr.); Mansmann, Ulrich (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften; MAT Mathematik
Stichworte:
biostatistics; risk prediction; transplants; COVID-19
Übersetzte Stichworte:
Biostatistik; Risikovorhersage; Transplantate; COVID-19
TU-Systematik:
BIO 110; MAT 620
Kurzfassung:
Longitudinal data presents various challenges depending on the desired outcome. In this work, for two areas, survival analysis and count models, we have shown how analyses must be adjusted to account for multiple outcomes, select appropriate covariates, and derive predictions. This is demonstrated for the survival after kidney transplantation and for count measures associated with the COVID-19 pandemic.
Übersetzte Kurzfassung:
Zeitaufgelöste Daten stellen je nach Zielvariable unterschiedliche Herausforderungen dar. In dieser Arbeit haben wir für zwei Bereiche, Überlebensanalysen und Zählmodelle, gezeigt, wie Analysen angepasst werden müssen, um mehrere Zielvariablen zu berücksichtigen, geeignete Kovariaten auszuwählen und Vorhersagen abzuleiten. Dies wird anhand von Überlebenszahlen nach einer Nierentransplantation und von Häufigkeitsmessungen im Zusammenhang mit der COVID-19-Pandemie demonstriert.
WWW:
https://mediatum.ub.tum.de/?id=1664525
Eingereicht am:
26.08.2022
Mündliche Prüfung:
21.02.2023
Dateigröße:
11071829 bytes
Seiten:
114
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230221-1664525-1-8
Letzte Änderung:
10.03.2023
 BibTeX