περισσότερα

Περίληψη σε άλλη γλώσσα

Classic statistical analysis methods examine whether observed relationships are due to chance and provide us with inference concerning non-circumstantial associations between variables, that may however be non-causally interpreted. Unfortunately, it has been shown that in the context of a longitudinal observational study, when a covariate affected by past exposure is both a predictor of the future exposure and the outcome, i.e there exists time-dependent confounding, standard analysis approaches for the estimation of the exposure’s effect, may produce biased estimates. The g-methods are a class of methods introduced to estimate causal effects. The most recent of them is the Inverse Probability of Treatment Weighting (IPTW), which is applied to estimate the parameters of the Marginal Structural Models (MSMs). The aim of this thesis was to assess the performance of the MSMs in situations often met in longitudinal observational studies with survival endpoints. Following an exact simulati ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/45378
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/45378
ND
45378
Εναλλακτικός τίτλος
Causal models and their application to estimate the effect of chronic hepatitis B treatment
Συγγραφέας
Βουρλή, Γεωργία (Πατρώνυμο: Σπυρίδων)
Ημερομηνία
2015
Ίδρυμα
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ). Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής
Εξεταστική επιτροπή
Touloumi Giota
Siannis Fotios
Hernan Miguel
Επιστημονικό πεδίο
Ιατρική και Επιστήμες ΥγείαςΕπιστήμες Υγείας
Λέξεις-κλειδιά
Μοντέλα αιτιότητας; Περιθώρια δομικά μοντέλα; Διαχρονικά δεδομένα; Ανάλυση επιβίωσης
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xv, 192 σ., πιν., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation: