Mathematical models in oncology
Tato práce je věnována problematice modelování dat pacientů s maligním onemocněním pomocí matematických metod. V první části práce jsou definovány hlavní epidemiologické charakteristiky používané v dalších kapitolách. Dále jsou v úvodní kapitole uvedeny některé klíčové prvky hodnocení populačních on...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Angličtina |
| Vydáno: |
2010
|
| Témata: |
| Shrnutí: | Tato práce je věnována problematice modelování dat pacientů s maligním onemocněním pomocí matematických metod. V první části práce jsou definovány hlavní epidemiologické charakteristiky používané v dalších kapitolách. Dále jsou v úvodní kapitole uvedeny některé klíčové prvky hodnocení populačních onkologických dat. Kapitola 2 je věnována matematickým metodám pro hodnocení přežití onkologických pacientů. Vedle základních metod analýzy přežití je zaveden pojem relativní přežití a jsou definovány metody jeho odhadu. Je definován také Coxův model proporcionálních rizik spolu s metodou odhadu regresních koeficientů a metodami regresní diagnostiky. Dále je v kapitole 2 uvažováno rozšíření Coxova modelu ve formě tzv. frailty modelů, a tzv. mixture cure fraction model pro modelování relativního přežití. Kapitola 3 představuje model pro odhad počtu onkologických pacientů potenciálně léčených protinádorovou léčbou, který je aplikován na data českého Národního onkologického registru s cílem odhad The emphasis of this dissertation lies on mathematical methods for modelling of cancer patient data. First chapter gives an introduction to cancer epidemiology and definition of basic terms needed in following chapters. Moreover, some key issues for the population-based cancer data assessment are discussed. Chapter 2 is a methodical chapter on mathematical methods used for cancer survival assessment. Some basic survival analysis methods are recalled and the concept of relative survival is introduced. Then, Cox proportional hazards model is defined as the most popular model for cancer survival modelling, and the estimation principles of regression coefficients using the partial log likelihood together with the methods for regression diagnostics are given. Furthermore, frailty models which can be considered as an extension of the Cox model are introduced as well as mixture cure fraction models for the modelling of relative survival. In Chapter 3, the emphasis lies on the estimation of pr |
|---|---|
| Popis jednotky: | Vedoucí práce: Ivanka Horová |
| Fyzický popis: | 1 CD-ROM |