ALTERNATIVE METHODOLOGICAL PROPOSALS BAYESIAN, SEMIPARAMETRICS AND EMPIRICAL PLAUSIBILITY IN LONGITUDINAL DATA, ANALYSIS OF SURVIVAL AND MODELLING OF HRQOL (Q3153291): Difference between revisions
Jump to navigation
Jump to search
(Changed label, description and/or aliases in nl, and other parts: Adding Dutch translations) |
(Changed label, description and/or aliases in it, and other parts: Adding Italian translations) |
||||||||||||||
| label / it | label / it | ||||||||||||||
PROPOSTE METODOLOGICHE ALTERNATIVE BAYESIAN, SEMIPARAMETRICS E PLAUSIBILITÀ EMPIRICA NEI DATI LONGITUDINALI, ANALISI DELLA SOPRAVVIVENZA E MODELLIZZAZIONE DI HRQOL | |||||||||||||||
| Property / summary | |||||||||||||||
GLI OBIETTIVI DEL PRESENTE PROGETTO SI CONCENTRANO SU TRE ASPETTI METODOLOGICI FONDAMENTALI: PROPOSTE BAYESIANE, SEMIPARAMETRICS E PLAUSIBILITÀ EMPIRICA, IL TUTTO IN CONTESTI DI DATI LONGITUDINALI, ANALISI DELLA SOPRAVVIVENZA E MODELLIZZAZIONE DELLA QUALITÀ DELLA VITA CORRELATA ALLA SALUTE (CVR). IN PRIMO LUOGO, NELL'AREA DEI DATI LONGITUDINALI, APPROFONDIREMO I MODELLI ECONOMETRICI IN PSEUDO-PANNELLI O PANNELLI SINTETICI PER IL CASO DI PSEUDO PANNELLI CHE, PER COSTRUZIONE, PRESENTANO UNA DIPENDENZA TEMPORALE. ANALIZZEREMO IL MODELLO GENERALE DEGLI PSEUDO-PANNELLI INDIPENDENTI E LO ADATTEREMO IN MODO DA CONSENTIRE LA DIPENDENZA TEMPORALE IN OGNI PSEUDO-PANNELLO, MODELLANDO QUESTA DIPENDENZA SECONDO SPECIFICI CRITERI DI BONTÀ DI ADEGUAMENTO E CRITERI DETTATI DALLE SPECIFICHE CARATTERISTICHE DI DIPENDENZA DEI DATI UTILIZZATI. SVILUPPEREMO I PROGRAMMI APPROPRIATI PER EFFETTUARE LA STIMA IN QUESTI MODELLI E APPLICARE LE TECNICHE SVILUPPATE AI DATI REALI, IN PARTICOLARE IN BIOLOGIA E DATI DEL MERCATO DEL LAVORO BASCO. IN SECONDO LUOGO, NELL'AMBITO DELL'ANALISI DELLA SOPRAVVIVENZA, ESTENDIAMO LE PROPOSTE METODOLOGICHE DI PLAUSIBILITÀ EMPIRICA AI PROBLEMI DI INFERENZA CON RESTRIZIONI DELL'ORDINE, STUDIANDO LE DISTRIBUZIONI ASINTOTIC DELLE STATISTICHE DI CONTRASTO E IL COMPORTAMENTO ASINTOTICO DEGLI ESTIMATORI DI PLAUSIBILITÀ EMPIRICA OTTENUTI SOTTO RESTRIZIONI DI ORDINE, PONENDO PARTICOLARE ENFASI SUGLI ASPETTI COMPUTAZIONALI NON BANALI DEI METODI DI PLAUSIBILITÀ EMPIRICA. METTEREMO A CONFRONTO LE FUNZIONI DI DISTRIBUZIONE E I RISCHI COMPETITIVI UTILIZZANDO QUESTA METODOLOGIA E APPLICHEREMO I RISULTATI IN ESEMPI REALI DI AFFIDABILITÀ, SANITÀ PUBBLICA, ECONOMIA E FINANZA. INFINE, STUDIEREMO PROPOSTE ALTERNATIVE NELLA MODELLIZZAZIONE STATISTICA DI HRQOL, IN PARTICOLARE IN RELAZIONE AI RISULTATI PERCEPITI DAL PAZIENTE, APPLICANDOLI AGLI INDICI DI QUALITÀ DELLA VITA RELATIVI ALLA SALUTE E ALLA SALUTE. STUDIEREMO LA LORO DISTRIBUZIONE E MODELLAZIONE STATISTICA, PROPONENDO MIGLIORAMENTI NELLA COSTRUZIONE DI INDICI PER MISURARE QUESTI RISULTATI, E METTEREMO A CONFRONTO LE DIVERSE ALTERNATIVE METODOLOGICHE PER LA LORO ANALISI. PROPORREMO MODELLI AVANZATI DI TECNICHE DI RAMMOLLIMENTO (MAG, P-SPLINES) PER MODELLI APPLICATI ALL'ANALISI DEI RISULTATI PERCEPITI DAL PAZIENTE. INFINE, CONTESTUALIZZARE I RISULTATI OTTENUTI, FORNIRE LINEE GUIDA PER LA SELEZIONE DI ALTERNATIVE ADEGUATE, NONCHÉ RACCOMANDAZIONI E CONCLUSIONI BASATE SUGLI ASPETTI PIÙ RILEVANTI DAL PUNTO DI VISTA STATISTICO E CLINICO DELL'APPLICAZIONE. INOLTRE SVILUPPEREMO, IMPLEMENTEREMO E CONVALIDAREMO MODELLI PREDITTIVI UTILI NELLA PRATICA CLINICA OSPEDALIERA, IMPLEMENTANDO STRUMENTI TECNOLOGICI DA LORO. PER FARE QUESTO, SVILUPPEREMO MODELLI PREDITTIVI IN EVOLUZIONE CLINICA, MORTALITÀ, SOPRAVVIVENZA O CAMBIAMENTI IN HRQOL PER I PAZIENTI CON MALATTIE CRONICHE, PROPONENDO TRASFORMAZIONI E CATEGORIZZAZIONE OTTIMALI DELLE VARIABILI PREDITTIVE CHE NE CONSENTONO LA CORRETTA INTRODUZIONE NEL MODELLO PREDITTIVO. I DIVERSI MODELLI PREDITTIVI SARANNO VALUTATI E CONFRONTATI UTILIZZANDO DIVERSE TECNICHE DI ANALISI (REGRESSIONE LINEARE, REGRESSIONE LOGISTICA BINARIA, REGRESSIONE LOGISTICA ORDINALE, REGRESSIONE POISSON, ALBERI DI REGRESSIONE E CLASSIFICAZIONE, RETI NEURALI, TRA GLI ALTRI) E CRITERI DIVERSI (BUONA REGOLAZIONE, CALIBRAZIONE, CAPACITÀ PREDITTIVA, TRA GLI ALTRI). (Italian) | |||||||||||||||
| Property / summary: GLI OBIETTIVI DEL PRESENTE PROGETTO SI CONCENTRANO SU TRE ASPETTI METODOLOGICI FONDAMENTALI: PROPOSTE BAYESIANE, SEMIPARAMETRICS E PLAUSIBILITÀ EMPIRICA, IL TUTTO IN CONTESTI DI DATI LONGITUDINALI, ANALISI DELLA SOPRAVVIVENZA E MODELLIZZAZIONE DELLA QUALITÀ DELLA VITA CORRELATA ALLA SALUTE (CVR). IN PRIMO LUOGO, NELL'AREA DEI DATI LONGITUDINALI, APPROFONDIREMO I MODELLI ECONOMETRICI IN PSEUDO-PANNELLI O PANNELLI SINTETICI PER IL CASO DI PSEUDO PANNELLI CHE, PER COSTRUZIONE, PRESENTANO UNA DIPENDENZA TEMPORALE. ANALIZZEREMO IL MODELLO GENERALE DEGLI PSEUDO-PANNELLI INDIPENDENTI E LO ADATTEREMO IN MODO DA CONSENTIRE LA DIPENDENZA TEMPORALE IN OGNI PSEUDO-PANNELLO, MODELLANDO QUESTA DIPENDENZA SECONDO SPECIFICI CRITERI DI BONTÀ DI ADEGUAMENTO E CRITERI DETTATI DALLE SPECIFICHE CARATTERISTICHE DI DIPENDENZA DEI DATI UTILIZZATI. SVILUPPEREMO I PROGRAMMI APPROPRIATI PER EFFETTUARE LA STIMA IN QUESTI MODELLI E APPLICARE LE TECNICHE SVILUPPATE AI DATI REALI, IN PARTICOLARE IN BIOLOGIA E DATI DEL MERCATO DEL LAVORO BASCO. IN SECONDO LUOGO, NELL'AMBITO DELL'ANALISI DELLA SOPRAVVIVENZA, ESTENDIAMO LE PROPOSTE METODOLOGICHE DI PLAUSIBILITÀ EMPIRICA AI PROBLEMI DI INFERENZA CON RESTRIZIONI DELL'ORDINE, STUDIANDO LE DISTRIBUZIONI ASINTOTIC DELLE STATISTICHE DI CONTRASTO E IL COMPORTAMENTO ASINTOTICO DEGLI ESTIMATORI DI PLAUSIBILITÀ EMPIRICA OTTENUTI SOTTO RESTRIZIONI DI ORDINE, PONENDO PARTICOLARE ENFASI SUGLI ASPETTI COMPUTAZIONALI NON BANALI DEI METODI DI PLAUSIBILITÀ EMPIRICA. METTEREMO A CONFRONTO LE FUNZIONI DI DISTRIBUZIONE E I RISCHI COMPETITIVI UTILIZZANDO QUESTA METODOLOGIA E APPLICHEREMO I RISULTATI IN ESEMPI REALI DI AFFIDABILITÀ, SANITÀ PUBBLICA, ECONOMIA E FINANZA. INFINE, STUDIEREMO PROPOSTE ALTERNATIVE NELLA MODELLIZZAZIONE STATISTICA DI HRQOL, IN PARTICOLARE IN RELAZIONE AI RISULTATI PERCEPITI DAL PAZIENTE, APPLICANDOLI AGLI INDICI DI QUALITÀ DELLA VITA RELATIVI ALLA SALUTE E ALLA SALUTE. STUDIEREMO LA LORO DISTRIBUZIONE E MODELLAZIONE STATISTICA, PROPONENDO MIGLIORAMENTI NELLA COSTRUZIONE DI INDICI PER MISURARE QUESTI RISULTATI, E METTEREMO A CONFRONTO LE DIVERSE ALTERNATIVE METODOLOGICHE PER LA LORO ANALISI. PROPORREMO MODELLI AVANZATI DI TECNICHE DI RAMMOLLIMENTO (MAG, P-SPLINES) PER MODELLI APPLICATI ALL'ANALISI DEI RISULTATI PERCEPITI DAL PAZIENTE. INFINE, CONTESTUALIZZARE I RISULTATI OTTENUTI, FORNIRE LINEE GUIDA PER LA SELEZIONE DI ALTERNATIVE ADEGUATE, NONCHÉ RACCOMANDAZIONI E CONCLUSIONI BASATE SUGLI ASPETTI PIÙ RILEVANTI DAL PUNTO DI VISTA STATISTICO E CLINICO DELL'APPLICAZIONE. INOLTRE SVILUPPEREMO, IMPLEMENTEREMO E CONVALIDAREMO MODELLI PREDITTIVI UTILI NELLA PRATICA CLINICA OSPEDALIERA, IMPLEMENTANDO STRUMENTI TECNOLOGICI DA LORO. PER FARE QUESTO, SVILUPPEREMO MODELLI PREDITTIVI IN EVOLUZIONE CLINICA, MORTALITÀ, SOPRAVVIVENZA O CAMBIAMENTI IN HRQOL PER I PAZIENTI CON MALATTIE CRONICHE, PROPONENDO TRASFORMAZIONI E CATEGORIZZAZIONE OTTIMALI DELLE VARIABILI PREDITTIVE CHE NE CONSENTONO LA CORRETTA INTRODUZIONE NEL MODELLO PREDITTIVO. I DIVERSI MODELLI PREDITTIVI SARANNO VALUTATI E CONFRONTATI UTILIZZANDO DIVERSE TECNICHE DI ANALISI (REGRESSIONE LINEARE, REGRESSIONE LOGISTICA BINARIA, REGRESSIONE LOGISTICA ORDINALE, REGRESSIONE POISSON, ALBERI DI REGRESSIONE E CLASSIFICAZIONE, RETI NEURALI, TRA GLI ALTRI) E CRITERI DIVERSI (BUONA REGOLAZIONE, CALIBRAZIONE, CAPACITÀ PREDITTIVA, TRA GLI ALTRI). (Italian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: GLI OBIETTIVI DEL PRESENTE PROGETTO SI CONCENTRANO SU TRE ASPETTI METODOLOGICI FONDAMENTALI: PROPOSTE BAYESIANE, SEMIPARAMETRICS E PLAUSIBILITÀ EMPIRICA, IL TUTTO IN CONTESTI DI DATI LONGITUDINALI, ANALISI DELLA SOPRAVVIVENZA E MODELLIZZAZIONE DELLA QUALITÀ DELLA VITA CORRELATA ALLA SALUTE (CVR). IN PRIMO LUOGO, NELL'AREA DEI DATI LONGITUDINALI, APPROFONDIREMO I MODELLI ECONOMETRICI IN PSEUDO-PANNELLI O PANNELLI SINTETICI PER IL CASO DI PSEUDO PANNELLI CHE, PER COSTRUZIONE, PRESENTANO UNA DIPENDENZA TEMPORALE. ANALIZZEREMO IL MODELLO GENERALE DEGLI PSEUDO-PANNELLI INDIPENDENTI E LO ADATTEREMO IN MODO DA CONSENTIRE LA DIPENDENZA TEMPORALE IN OGNI PSEUDO-PANNELLO, MODELLANDO QUESTA DIPENDENZA SECONDO SPECIFICI CRITERI DI BONTÀ DI ADEGUAMENTO E CRITERI DETTATI DALLE SPECIFICHE CARATTERISTICHE DI DIPENDENZA DEI DATI UTILIZZATI. SVILUPPEREMO I PROGRAMMI APPROPRIATI PER EFFETTUARE LA STIMA IN QUESTI MODELLI E APPLICARE LE TECNICHE SVILUPPATE AI DATI REALI, IN PARTICOLARE IN BIOLOGIA E DATI DEL MERCATO DEL LAVORO BASCO. IN SECONDO LUOGO, NELL'AMBITO DELL'ANALISI DELLA SOPRAVVIVENZA, ESTENDIAMO LE PROPOSTE METODOLOGICHE DI PLAUSIBILITÀ EMPIRICA AI PROBLEMI DI INFERENZA CON RESTRIZIONI DELL'ORDINE, STUDIANDO LE DISTRIBUZIONI ASINTOTIC DELLE STATISTICHE DI CONTRASTO E IL COMPORTAMENTO ASINTOTICO DEGLI ESTIMATORI DI PLAUSIBILITÀ EMPIRICA OTTENUTI SOTTO RESTRIZIONI DI ORDINE, PONENDO PARTICOLARE ENFASI SUGLI ASPETTI COMPUTAZIONALI NON BANALI DEI METODI DI PLAUSIBILITÀ EMPIRICA. METTEREMO A CONFRONTO LE FUNZIONI DI DISTRIBUZIONE E I RISCHI COMPETITIVI UTILIZZANDO QUESTA METODOLOGIA E APPLICHEREMO I RISULTATI IN ESEMPI REALI DI AFFIDABILITÀ, SANITÀ PUBBLICA, ECONOMIA E FINANZA. INFINE, STUDIEREMO PROPOSTE ALTERNATIVE NELLA MODELLIZZAZIONE STATISTICA DI HRQOL, IN PARTICOLARE IN RELAZIONE AI RISULTATI PERCEPITI DAL PAZIENTE, APPLICANDOLI AGLI INDICI DI QUALITÀ DELLA VITA RELATIVI ALLA SALUTE E ALLA SALUTE. STUDIEREMO LA LORO DISTRIBUZIONE E MODELLAZIONE STATISTICA, PROPONENDO MIGLIORAMENTI NELLA COSTRUZIONE DI INDICI PER MISURARE QUESTI RISULTATI, E METTEREMO A CONFRONTO LE DIVERSE ALTERNATIVE METODOLOGICHE PER LA LORO ANALISI. PROPORREMO MODELLI AVANZATI DI TECNICHE DI RAMMOLLIMENTO (MAG, P-SPLINES) PER MODELLI APPLICATI ALL'ANALISI DEI RISULTATI PERCEPITI DAL PAZIENTE. INFINE, CONTESTUALIZZARE I RISULTATI OTTENUTI, FORNIRE LINEE GUIDA PER LA SELEZIONE DI ALTERNATIVE ADEGUATE, NONCHÉ RACCOMANDAZIONI E CONCLUSIONI BASATE SUGLI ASPETTI PIÙ RILEVANTI DAL PUNTO DI VISTA STATISTICO E CLINICO DELL'APPLICAZIONE. INOLTRE SVILUPPEREMO, IMPLEMENTEREMO E CONVALIDAREMO MODELLI PREDITTIVI UTILI NELLA PRATICA CLINICA OSPEDALIERA, IMPLEMENTANDO STRUMENTI TECNOLOGICI DA LORO. PER FARE QUESTO, SVILUPPEREMO MODELLI PREDITTIVI IN EVOLUZIONE CLINICA, MORTALITÀ, SOPRAVVIVENZA O CAMBIAMENTI IN HRQOL PER I PAZIENTI CON MALATTIE CRONICHE, PROPONENDO TRASFORMAZIONI E CATEGORIZZAZIONE OTTIMALI DELLE VARIABILI PREDITTIVE CHE NE CONSENTONO LA CORRETTA INTRODUZIONE NEL MODELLO PREDITTIVO. I DIVERSI MODELLI PREDITTIVI SARANNO VALUTATI E CONFRONTATI UTILIZZANDO DIVERSE TECNICHE DI ANALISI (REGRESSIONE LINEARE, REGRESSIONE LOGISTICA BINARIA, REGRESSIONE LOGISTICA ORDINALE, REGRESSIONE POISSON, ALBERI DI REGRESSIONE E CLASSIFICAZIONE, RETI NEURALI, TRA GLI ALTRI) E CRITERI DIVERSI (BUONA REGOLAZIONE, CALIBRAZIONE, CAPACITÀ PREDITTIVA, TRA GLI ALTRI). (Italian) / qualifier | |||||||||||||||
point in time: 16 January 2022
| |||||||||||||||
Revision as of 12:26, 16 January 2022
Project Q3153291 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | ALTERNATIVE METHODOLOGICAL PROPOSALS BAYESIAN, SEMIPARAMETRICS AND EMPIRICAL PLAUSIBILITY IN LONGITUDINAL DATA, ANALYSIS OF SURVIVAL AND MODELLING OF HRQOL |
Project Q3153291 in Spain |
Statements
25,712.5 Euro
0 references
51,425.0 Euro
0 references
50.0 percent
0 references
30 December 2016
0 references
29 September 2021
0 references
UNIVERSIDAD DEL PAIS VASCO/EUSKAL HERRIKO UNIBERTSITATEA
0 references
43°15'46.80"N, 2°56'6.00"W
0 references
48020
0 references
LOS OBJETIVOS DE ESTE PROYECTO SE CENTRAN EN TRES ASPECTOS METODOLOGICOS FUNDAMENTALES: PROPUESTAS BAYESIANAS, SEMIPARAMETRICAS Y DE VEROSIMILITUD EMPIRICA, TODOS ELLOS EN CONTEXTOS DE DATOS LONGITUDINALES, ANALISIS DE SUPERVIVENCIA Y MODELIZACION DE LA CALIDAD DE VIDA RELACIONADA CON LA SALUD (CVRS). EN PRIMER LUGAR, EN EL AREA DE DATOS LONGITUDINALES, PROFUNDIZAREMOS SOBRE LOS MODELOS ECONOMETRICOS EN PSEUDO-PANELES O PANELES SINTETICOS PARA EL CASO DE PSEUDO PANELES QUE, POR CONSTRUCCION, PRESENTAN UNA DEPENDENCIA TEMPORAL. ANALIZAREMOS EL MODELO GENERAL PARA PSEUDO-PANELES INDEPENDIENTES Y LO ADAPTAREMOS DE FORMA QUE PERMITA DEPENDENCIA TEMPORAL EN CADA PSEUDO-PANEL, MODELIZANDO ESTA DEPENDENCIA DE ACUERDO CON CRITERIOS DE BONDAD DE AJUSTE ESPECIFICOS Y CON CRITERIOS DICTADOS POR LAS CARACTERISTICAS DE DEPENDENCIA ESPECIFICAS DE LOS DATOS UTILIZADOS. DESARROLLAREMOS LOS PROGRAMAS ADECUADOS PARA LLEVAR A CABO LA ESTIMACION EN ESTOS MODELOS Y APLICAREMOS LAS TECNICAS DESARROLLADAS A DATOS REALES, ESPECIALMENTE EN BIOLOGIA Y DATOS DEL MERCADO DE TRABAJO VASCO. EN SEGUNDO LUGAR, EN EL AREA DE ANALISIS DE SUPERVIVENCIA, EXTENDEREMOS LAS PROPUESTAS METODOLOGICAS DE VEROSIMILITUD EMPIRICA A PROBLEMAS DE INFERENCIA CON RESTRICCIONES DE ORDEN, ESTUDIANDO LAS DISTRIBUCIONES ASINTOTICAS DE LOS ESTADISTICOS DE CONTRASTES Y EL COMPORTAMIENTO ASINTOTICO DE LOS ESTIMADORES DE VEROSIMILITUD EMPIRICA OBTENIDOS BAJO RESTRICCIONES DE ORDEN, PONIENDO ESPECIAL ENFASIS EN LOS ASPECTOS COMPUTACIONALES NO TRIVIALES DE LOS METODOS DE VEROSIMILITUD EMPIRICA. COMPARAREMOS FUNCIONES DE DISTRIBUCION Y RIESGOS COMPETITIVOS UTILIZANDO ESTA METODOLOGIA Y APLICAREMOS LOS RESULTADOS EN EJEMPLOS REALES EN FIABILIDAD, SALUD PUBLICA, ECONOMIA Y FINANZAS. FINALMENTE, ESTUDIAREMOS PROPUESTAS ALTERNATIVAS EN LA MODELIZACION ESTADISTICA DE LA CVRS, ESPECIALMENTE EN LO QUE SE RELACIONA CON RESULTADOS PERCIBIDOS POR EL PACIENTE, APLICANDO LAS MISMAS A INDICES DE SALUD Y CALIDAD DE VIDA RELACIONADA CON LA SALUD. ESTUDIAREMOS SU DISTRIBUCION Y MODELIZACION ESTADISTICA, PROPONIENDO MEJORAS EN LA CONSTRUCCION DE INDICES PARA MEDIR ESTOS RESULTADOS, Y COMPARAREMOS LAS DISTINTAS ALTERNATIVAS METODOLOGICAS PARA SU ANALISIS. PROPONDREMOS MODELOS AVANZADOS DE TECNICAS DE SUAVIZADO (MAG, P-SPLINES) PARA MODELOS APLICADOS AL ANALISIS DE RESULTADOS PERCIBIDOS POR EL PACIENTE. FINALMENTE, CONTEXTUALIZAREMOS LOS RESULTADOS OBTENIDOS, DAREMOS PAUTAS PARA LA SELECCION DE ALTERNATIVAS ADECUADAS, Y RECOMENDACIONES Y CONCLUSIONES BASADAS EN LOS ASPECTOS MAS RELEVANTES DESDE EL PUNTO DE VISTA ESTADISTICO Y CLINICO DE LA APLICACION. TAMBIEN DESARROLLAREMOS, IMPLEMENTAREMOS Y VALIDAREMOS MODELOS PREDICTIVOS UTILES EN LA PRACTICA CLINICA HOSPITALARIA, IMPLEMENTANDO HERRAMIENTAS TECNOLOGICAS A PARTIR DE LOS MISMOS. PARA ELLO, DESARROLLAREMOS MODELOS PREDICTIVOS EN EVOLUCION CLINICA, MORTALIDAD, SUPERVIVENCIA O CAMBIOS EN LA CVRS PARA PACIENTES CON ENFERMEDADES CRONICAS, PROPONIENDO TRANSFORMACIONES Y CATEGORIZACIONES OPTIMAS DE LAS VARIABLES PREDICTIVAS QUE PERMITAN SU CORRECTA INTRODUCCION EN EL MODELO PREDICTIVO. LOS DISTINTOS MODELOS PREDICTIVOS SERAN EVALUADOS Y COMPARADOS MEDIANTE DIFERENTES TECNICAS DE ANALISIS (REGRESION LINEAL, REGRESION LOGISTICA BINARIA, REGRESION LOGISTICA ORDINAL, REGRESION DE POISSON, ARBOLES DE REGRESION Y CLASIFICACION, REDES NEURONALES, ENTRE OTRAS), Y DIFERENTES CRITERIOS (BONDAD DE AJUSTE, CALIBRACION, CAPACIDAD PREDICTIVA, ENTRE OTROS). (Spanish)
0 references
THE OBJECTIVES OF THIS PROJECT FOCUS ON THREE KEY METHODOLOGICAL ASPECTS: BAYESIAN PROPOSALS, SEMIPARAMETRICS AND EMPIRICAL PLAUSIBILITY, ALL IN CONTEXTS OF LONGITUDINAL DATA, ANALYSIS OF SURVIVAL AND MODELLING OF HEALTH-RELATED QUALITY OF LIFE (CVRS). FIRST, IN THE AREA OF LONGITUDINAL DATA, WE WILL DELVE INTO THE ECONOMETRIC MODELS IN PSEUDO-PANELS OR SYNTHETIC PANELS FOR THE CASE OF PSEUDO PANELS THAT, BY CONSTRUCTION, PRESENT A TEMPORAL DEPENDENCE. WE WILL ANALYSE THE GENERAL MODEL FOR INDEPENDENT PSEUDO-PANELS AND ADAPT IT IN A WAY THAT ALLOWS TEMPORAL DEPENDENCE IN EACH PSEUDO-PANEL, MODELING THIS DEPENDENCE ACCORDING TO SPECIFIC ADJUSTMENT GOODNESS CRITERIA AND CRITERIA DICTATED BY THE SPECIFIC DEPENDENCY CHARACTERISTICS OF THE DATA USED. WE WILL DEVELOP THE APPROPRIATE PROGRAMS TO CARRY OUT ESTIMATION IN THESE MODELS AND APPLY THE TECHNIQUES DEVELOPED TO REAL DATA, ESPECIALLY IN BIOLOGY AND BASQUE LABOUR MARKET DATA. SECONDLY, IN THE AREA OF SURVIVAL ANALYSIS, WE WILL EXTEND THE METHODOLOGICAL PROPOSALS OF EMPIRICAL PLAUSIBILITY TO PROBLEMS OF INFERENCE WITH RESTRICTIONS OF ORDER, STUDYING THE ASINTOTIC DISTRIBUTIONS OF CONTRAST STATISTICS AND THE ASYMPTOTIC BEHAVIOR OF EMPIRICAL PLAUSIBILITY ESTIMATORS OBTAINED UNDER RESTRICTIONS OF ORDER, PLACING SPECIAL EMPHASIS ON THE NON-TRIVIAL COMPUTATIONAL ASPECTS OF EMPIRICAL PLAUSIBILITY METHODS. WE WILL COMPARE DISTRIBUTION FUNCTIONS AND COMPETITIVE RISKS USING THIS METHODOLOGY AND APPLY THE RESULTS IN REAL EXAMPLES IN RELIABILITY, PUBLIC HEALTH, ECONOMY AND FINANCE. FINALLY, WE WILL STUDY ALTERNATIVE PROPOSALS IN THE STATISTICAL MODELLING OF HRQOL, ESPECIALLY IN RELATION TO RESULTS PERCEIVED BY THE PATIENT, APPLYING THEM TO HEALTH AND HEALTH-RELATED QUALITY OF LIFE INDEXES. WE WILL STUDY THEIR DISTRIBUTION AND STATISTICAL MODELLING, PROPOSING IMPROVEMENTS IN THE CONSTRUCTION OF INDEXES TO MEASURE THESE RESULTS, AND WE WILL COMPARE THE DIFFERENT METHODOLOGICAL ALTERNATIVES FOR THEIR ANALYSIS. WE WILL PROPOSE ADVANCED MODELS OF SOFTENING TECHNIQUES (MAG, P-SPLINES) FOR MODELS APPLIED TO THE ANALYSIS OF RESULTS PERCEIVED BY THE PATIENT. FINALLY, WE WILL CONTEXTUALISE THE RESULTS OBTAINED, GIVE GUIDELINES FOR THE SELECTION OF SUITABLE ALTERNATIVES, AND RECOMMENDATIONS AND CONCLUSIONS BASED ON THE MOST RELEVANT ASPECTS FROM THE STATISTICAL AND CLINICAL POINT OF VIEW OF THE APPLICATION. WE WILL ALSO DEVELOP, IMPLEMENT AND VALIDATE USEFUL PREDICTIVE MODELS IN HOSPITAL CLINIC PRACTICE, IMPLEMENTING TECHNOLOGICAL TOOLS FROM THEM. TO DO THIS, WE WILL DEVELOP PREDICTIVE MODELS IN CLINICAL EVOLUTION, MORTALITY, SURVIVAL OR CHANGES IN HRQOL FOR PATIENTS WITH CHRONIC DISEASES, PROPOSING OPTIMAL TRANSFORMATIONS AND CATEGORISATIONS OF PREDICTIVE VARIABLES THAT ALLOW THEIR CORRECT INTRODUCTION INTO THE PREDICTIVE MODEL. THE DIFFERENT PREDICTIVE MODELS WILL BE EVALUATED AND COMPARED USING DIFFERENT ANALYSIS TECHNIQUES (LINEAR REGRESSION, BINARY LOGISTIC REGRESSION, ORDINAL LOGISTIC REGRESSION, POISSON REGRESSION, REGRESSION AND CLASSIFICATION TREES, NEURAL NETWORKS, AMONG OTHERS), AND DIFFERENT CRITERIA (GOODNESS OF ADJUSTMENT, CALIBRATION, PREDICTIVE CAPACITY, AMONG OTHERS). (English)
12 October 2021
0 references
LES OBJECTIFS DE CE PROJET SE CONCENTRENT SUR TROIS ASPECTS MÉTHODOLOGIQUES CLÉS: PROPOSITIONS BAYÉSIENNES, SEMIPARAMETRICS ET PLAUSIBILITÉ EMPIRIQUE, TOUTES DANS DES CONTEXTES DE DONNÉES LONGITUDINALES, D’ANALYSE DE LA SURVIE ET DE MODÉLISATION DE LA QUALITÉ DE VIE LIÉE À LA SANTÉ. TOUT D’ABORD, DANS LE DOMAINE DES DONNÉES LONGITUDINALES, NOUS PLONGERONS DANS LES MODÈLES ÉCONOMÉTRIQUES DANS LES PSEUDO-PANELS OU LES PANNEAUX SYNTHÉTIQUES POUR LE CAS DES PSEUDO-PANNEAUX QUI, PAR CONSTRUCTION, PRÉSENTENT UNE DÉPENDANCE TEMPORELLE. NOUS ALLONS ANALYSER LE MODÈLE GÉNÉRAL DES PSEUDO-PANELS INDÉPENDANTS ET L’ADAPTER D’UNE MANIÈRE QUI PERMET UNE DÉPENDANCE TEMPORELLE DANS CHAQUE PSEUDO-PANEL, MODÉLISANT CETTE DÉPENDANCE SELON DES CRITÈRES DE BONTÉ D’AJUSTEMENT SPÉCIFIQUES ET DES CRITÈRES DICTÉS PAR LES CARACTÉRISTIQUES SPÉCIFIQUES DE DÉPENDANCE DES DONNÉES UTILISÉES. NOUS ÉLABORERONS LES PROGRAMMES APPROPRIÉS POUR EFFECTUER DES ESTIMATIONS DANS CES MODÈLES ET APPLIQUERONS LES TECHNIQUES DÉVELOPPÉES À DES DONNÉES RÉELLES, EN PARTICULIER EN BIOLOGIE ET SUR LE MARCHÉ DU TRAVAIL BASQUE. DEUXIÈMEMENT, DANS LE DOMAINE DE L’ANALYSE DE SURVIE, NOUS ÉTENDRONS LES PROPOSITIONS MÉTHODOLOGIQUES DE PLAUSIBILITÉ EMPIRIQUE À DES PROBLÈMES D’INFÉRENCE AVEC DES RESTRICTIONS D’ORDRE, EN ÉTUDIANT LES DISTRIBUTIONS ASINTOTIC DES STATISTIQUES DE CONTRASTE ET LE COMPORTEMENT ASYMPTOTIQUE D’ESTIMATEURS DE PLAUSIBILITÉ EMPIRIQUE OBTENUS SOUS DES RESTRICTIONS D’ORDRE, EN METTANT PARTICULIÈREMENT L’ACCENT SUR LES ASPECTS NON TRIVIAUX DE CALCUL DES MÉTHODES EMPIRIQUES DE PLAUSIBILITÉ. NOUS COMPARERONS LES FONCTIONS DE DISTRIBUTION ET LES RISQUES CONCURRENTIELS À L’AIDE DE CETTE MÉTHODOLOGIE ET APPLIQUERONS LES RÉSULTATS DANS DES EXEMPLES RÉELS EN MATIÈRE DE FIABILITÉ, DE SANTÉ PUBLIQUE, D’ÉCONOMIE ET DE FINANCES. ENFIN, NOUS ÉTUDIERONS D’AUTRES PROPOSITIONS DANS LA MODÉLISATION STATISTIQUE DE HRQOL, EN PARTICULIER EN CE QUI CONCERNE LES RÉSULTATS PERÇUS PAR LE PATIENT, EN LES APPLIQUANT AUX INDICES DE LA SANTÉ ET DE LA QUALITÉ DE VIE LIÉS À LA SANTÉ. NOUS ÉTUDIERONS LEUR DISTRIBUTION ET LEUR MODÉLISATION STATISTIQUE, EN PROPOSANT DES AMÉLIORATIONS DANS LA CONSTRUCTION D’INDICES POUR MESURER CES RÉSULTATS, ET NOUS COMPARERONS LES DIFFÉRENTES ALTERNATIVES MÉTHODOLOGIQUES POUR LEUR ANALYSE. NOUS PROPOSERONS DES MODÈLES AVANCÉS DE TECHNIQUES D’ADOUCISSEMENT (MAG, P-SPLINES) POUR LES MODÈLES APPLIQUÉS À L’ANALYSE DES RÉSULTATS PERÇUS PAR LE PATIENT. ENFIN, NOUS ALLONS CONTEXTUALISER LES RÉSULTATS OBTENUS, DONNER DES LIGNES DIRECTRICES POUR LA SÉLECTION DES SOLUTIONS DE REMPLACEMENT APPROPRIÉES, ET DES RECOMMANDATIONS ET DES CONCLUSIONS BASÉES SUR LES ASPECTS LES PLUS PERTINENTS DU POINT DE VUE STATISTIQUE ET CLINIQUE DE LA DEMANDE. NOUS ALLONS ÉGALEMENT ÉLABORER, METTRE EN ŒUVRE ET VALIDER DES MODÈLES PRÉDICTIFS UTILES DANS LA PRATIQUE DES CLINIQUES HOSPITALIÈRES, EN METTANT EN ŒUVRE DES OUTILS TECHNOLOGIQUES À PARTIR D’EUX. POUR CE FAIRE, NOUS ÉLABORERONS DES MODÈLES PRÉDICTIFS DE L’ÉVOLUTION CLINIQUE, DE LA MORTALITÉ, DE LA SURVIE OU DES MODIFICATIONS DE LA QQS POUR LES PATIENTS ATTEINTS DE MALADIES CHRONIQUES, EN PROPOSANT DES TRANSFORMATIONS ET DES CATÉGORISATIONS OPTIMALES DES VARIABLES PRÉDICTIVES QUI PERMETTENT LEUR INTRODUCTION CORRECTE DANS LE MODÈLE PRÉDICTIF. LES DIFFÉRENTS MODÈLES PRÉDICTIFS SERONT ÉVALUÉS ET COMPARÉS À L’AIDE DE DIFFÉRENTES TECHNIQUES D’ANALYSE (RÉGRESSION LINÉAIRE, RÉGRESSION LOGISTIQUE BINAIRE, RÉGRESSION LOGISTIQUE ORDINALE, RÉGRESSION DE POISSON, ARBRES DE RÉGRESSION ET DE CLASSIFICATION, RÉSEAUX NEURONAUX, ENTRE AUTRES) ET DIFFÉRENTS CRITÈRES (BONNETÉ D’AJUSTEMENT, ÉTALONNAGE, CAPACITÉ PRÉDICTIVE, ENTRE AUTRES). (French)
2 December 2021
0 references
DIE ZIELE DIESES PROJEKTS KONZENTRIEREN SICH AUF DREI ZENTRALE METHODISCHE ASPEKTE: BAYESIAN VORSCHLÄGE, SEMIPARAMETRICS UND EMPIRISCHE PLAUSIBILITÄT, ALLE IN KONTEXT VON LÄNGSSCHNITTDATEN, ANALYSE DES ÜBERLEBENS UND MODELLIERUNG GESUNDHEITSBEZOGENER LEBENSQUALITÄT (CVRS). ERSTENS WERDEN WIR IM BEREICH DER LÄNGSSCHNITTDATEN IN DIE ÖKONOMETRISCHEN MODELLE IN PSEUDO-PANELS ODER SYNTHETISCHEN PLATTEN FÜR DEN FALL VON PSEUDOPANEELEN EINTAUCHEN, DIE DURCH KONSTRUKTION EINE ZEITLICHE ABHÄNGIGKEIT DARSTELLEN. WIR WERDEN DAS ALLGEMEINE MODELL FÜR UNABHÄNGIGE PSEUDO-PANELS ANALYSIEREN UND SO ANPASSEN, DASS DIE ZEITLICHE ABHÄNGIGKEIT IN JEDEM PSEUDO-PANEL ERMÖGLICHT WIRD, INDEM WIR DIESE ABHÄNGIGKEIT NACH SPEZIFISCHEN ANPASSUNGS-GÜTEKRITERIEN UND KRITERIEN MODELLIEREN, DIE VON DEN SPEZIFISCHEN ABHÄNGIGKEITSMERKMALEN DER VERWENDETEN DATEN DIKTIERT WERDEN. WIR WERDEN DIE ENTSPRECHENDEN PROGRAMME ENTWICKELN, UM IN DIESEN MODELLEN SCHÄTZWERTE DURCHZUFÜHREN UND DIE AUF REALEN DATEN ENTWICKELTEN TECHNIKEN ANZUWENDEN, INSBESONDERE IN DEN BIOLOGIE- UND BASKEN ARBEITSMARKTDATEN. ZWEITENS WERDEN WIR IM BEREICH DER ÜBERLEBENSANALYSE DIE METHODISCHEN VORSCHLÄGE DER EMPIRISCHEN PLAUSIBILITÄT AUF PROBLEME DER INFERENZ MIT EINSCHRÄNKUNGEN DER ORDNUNG AUSDEHNEN, DIE ASINTOTIC-DISTRIBUTIONEN DER KONTRASTSTATISTIK UND DAS ASYMPTOTISCHE VERHALTEN EMPIRISCHER PLAUSIBILITÄTSBETRACHTER UNTERSUCHEN, DIE IM RAHMEN VON ORDNUNGSEINSCHRÄNKUNGEN ERZIELT WURDEN, WOBEI BESONDERES AUGENMERK AUF DIE NICHTTRIVIALEN RECHNERISCHEN ASPEKTE EMPIRISCHER PLAUSIBILITÄTSMETHODEN GELEGT WIRD. WIR WERDEN VERTRIEBSFUNKTIONEN UND WETTBEWERBSRISIKEN ANHAND DIESER METHODE VERGLEICHEN UND DIE ERGEBNISSE IN REALEN BEISPIELEN IN BEZUG AUF ZUVERLÄSSIGKEIT, ÖFFENTLICHE GESUNDHEIT, WIRTSCHAFT UND FINANZEN ANWENDEN. SCHLIESSLICH WERDEN WIR ALTERNATIVE VORSCHLÄGE IN DER STATISTISCHEN MODELLIERUNG VON HRQOL UNTERSUCHEN, INSBESONDERE IN BEZUG AUF DIE VOM PATIENTEN WAHRGENOMMENEN ERGEBNISSE, INDEM WIR SIE AUF GESUNDHEITS- UND GESUNDHEITSBEZOGENE LEBENSQUALITÄTSINDEXE ANWENDEN. WIR WERDEN IHRE VERTEILUNG UND STATISTISCHE MODELLIERUNG UNTERSUCHEN UND VERBESSERUNGEN BEI DER ERSTELLUNG VON INDIZES VORSCHLAGEN, UM DIESE ERGEBNISSE ZU MESSEN, UND WIR WERDEN DIE VERSCHIEDENEN METHODISCHEN ALTERNATIVEN FÜR IHRE ANALYSE VERGLEICHEN. WIR WERDEN FORTSCHRITTLICHE MODELLE VON ERWEICHUNGSTECHNIKEN (MAG, P-SPLINES) FÜR MODELLE VORSCHLAGEN, DIE AUF DIE ANALYSE DER VOM PATIENTEN WAHRGENOMMENEN ERGEBNISSE ANGEWENDET WERDEN. SCHLIESSLICH WERDEN WIR DIE ERZIELTEN ERGEBNISSE KONTEXTUALISIEREN, LEITLINIEN FÜR DIE AUSWAHL GEEIGNETER ALTERNATIVEN SOWIE EMPFEHLUNGEN UND SCHLUSSFOLGERUNGEN AUF DER GRUNDLAGE DER WICHTIGSTEN ASPEKTE AUS STATISTISCHER UND KLINISCHER SICHT DER ANWENDUNG GEBEN. WIR WERDEN AUCH NÜTZLICHE PREDICTIVE-MODELLE IN DER KLINIKPRAXIS ENTWICKELN, IMPLEMENTIEREN UND VALIDIEREN, UM DARAUS TECHNOLOGISCHE WERKZEUGE ZU IMPLEMENTIEREN. DAZU WERDEN WIR PRÄDIKTIVE MODELLE IN DER KLINISCHEN ENTWICKLUNG, MORTALITÄT, ÜBERLEBEN ODER VERÄNDERUNGEN IN HRQOL FÜR PATIENTEN MIT CHRONISCHEN ERKRANKUNGEN ENTWICKELN, INDEM WIR OPTIMALE TRANSFORMATIONEN UND KATEGORISIERUNGEN VON PRÄDIKTIVEN VARIABLEN VORSCHLAGEN, DIE IHRE KORREKTE EINFÜHRUNG IN DAS VORHERSAGEMODELL ERMÖGLICHEN. DIE VERSCHIEDENEN PRÄDIKTIVEN MODELLE WERDEN MIT UNTERSCHIEDLICHEN ANALYSETECHNIKEN (LINEARE REGRESSION, BINÄRE LOGISTISCHE REGRESSION, ORDINALE LOGISTISCHE REGRESSION, POISSON-REGRESSION, REGRESSION UND KLASSIFIZIERUNG VON BÄUMEN, NEURONALEN NETZWERKEN, UNTER ANDEREM) UND UNTERSCHIEDLICHEN KRITERIEN (GÜTE DER ANPASSUNG, KALIBRIERUNG, VORHERSAGEKAPAZITÄT) AUSGEWERTET UND VERGLICHEN. (German)
9 December 2021
0 references
DE DOELSTELLINGEN VAN DIT PROJECT ZIJN GERICHT OP DRIE BELANGRIJKE METHODOLOGISCHE ASPECTEN: BAYESIAANSE VOORSTELLEN, SEMIPARAMETRICS EN EMPIRISCHE PLAUSIBILITEIT, ALLEMAAL IN DE CONTEXT VAN LONGITUDINALE GEGEVENS, ANALYSE VAN OVERLEVING EN MODELLERING VAN GEZONDHEIDSGERELATEERDE LEVENSKWALITEIT (CVR’S). TEN EERSTE, OP HET GEBIED VAN LONGITUDINALE GEGEVENS, ZULLEN WE ONS VERDIEPEN IN DE ECONOMETRISCHE MODELLEN IN PSEUDO-PANELEN OF SYNTHETISCHE PANELEN VOOR HET GEVAL VAN PSEUDOPANELEN DIE, DOOR CONSTRUCTIE, EEN TIJDELIJKE AFHANKELIJKHEID VERTONEN. WE ZULLEN HET ALGEMENE MODEL VOOR ONAFHANKELIJKE PSEUDOPANELS ANALYSEREN EN AANPASSEN OP EEN MANIER DIE TEMPORELE AFHANKELIJKHEID IN ELK PSEUDO-PANEL MOGELIJK MAAKT, WAARBIJ WE DEZE AFHANKELIJKHEID MODELLEREN OP BASIS VAN SPECIFIEKE AANPASSINGSGOEDHEIDSCRITERIA EN CRITERIA DIE WORDEN BEPAALD DOOR DE SPECIFIEKE AFHANKELIJKHEIDSKENMERKEN VAN DE GEBRUIKTE GEGEVENS. WE ZULLEN DE JUISTE PROGRAMMA’S ONTWIKKELEN OM SCHATTINGEN UIT TE VOEREN IN DEZE MODELLEN EN DE TECHNIEKEN TOE TE PASSEN DIE ZIJN ONTWIKKELD OP ECHTE DATA, MET NAME IN DE BIOLOGIE EN BASKISCHE ARBEIDSMARKTGEGEVENS. TEN TWEEDE, OP HET GEBIED VAN OVERLEVINGSANALYSE, ZULLEN WE DE METHODOLOGISCHE VOORSTELLEN VAN EMPIRISCHE PLAUSIBILITEIT UITBREIDEN TOT PROBLEMEN VAN GEVOLGTREKKING MET BEPERKINGEN VAN ORDE, HET BESTUDEREN VAN DE ASINTOTIC DISTRIBUTIES VAN CONTRASTSTATISTIEKEN EN HET ASYMPTOTISCH GEDRAG VAN EMPIRISCHE PLAUSIBILITEITSBEOORDELAARS VERKREGEN ONDER BEPERKINGEN VAN ORDE, WAARBIJ SPECIALE NADRUK WORDT GELEGD OP DE NIET-TRIVIALE COMPUTATIONELE ASPECTEN VAN EMPIRISCHE PLAUSIBILITEITSMETHODEN. WE ZULLEN DISTRIBUTIEFUNCTIES EN CONCURRENTIERISICO’S VERGELIJKEN MET BEHULP VAN DEZE METHODOLOGIE EN DE RESULTATEN TOEPASSEN IN REËLE VOORBEELDEN OP HET GEBIED VAN BETROUWBAARHEID, VOLKSGEZONDHEID, ECONOMIE EN FINANCIËN. TOT SLOT ZULLEN WE ALTERNATIEVE VOORSTELLEN BESTUDEREN IN DE STATISTISCHE MODELLERING VAN HRQOL, MET NAME MET BETREKKING TOT DE RESULTATEN DIE DE PATIËNT WAARNEEMT, DOOR ZE TOE TE PASSEN OP GEZONDHEIDS- EN GEZONDHEIDSGERELATEERDE KWALITEITSINDEXEN. WE ZULLEN HUN VERSPREIDING EN STATISTISCHE MODELLERING BESTUDEREN EN VERBETERINGEN VOORSTELLEN IN DE SAMENSTELLING VAN INDEXEN OM DEZE RESULTATEN TE METEN, EN WE ZULLEN DE VERSCHILLENDE METHODOLOGISCHE ALTERNATIEVEN VOOR HUN ANALYSE VERGELIJKEN. WE ZULLEN GEAVANCEERDE MODELLEN VAN VERZACHTENDE TECHNIEKEN (MAG, P-SPLINES) VOORSTELLEN VOOR MODELLEN TOEGEPAST OP DE ANALYSE VAN RESULTATEN WAARGENOMEN DOOR DE PATIËNT. TOT SLOT ZULLEN WE DE VERKREGEN RESULTATEN CONTEXTUALISEREN, RICHTSNOEREN GEVEN VOOR DE SELECTIE VAN GESCHIKTE ALTERNATIEVEN, EN AANBEVELINGEN EN CONCLUSIES OP BASIS VAN DE MEEST RELEVANTE ASPECTEN UIT STATISTISCH EN KLINISCH OOGPUNT VAN DE AANVRAAG. WE ZULLEN OOK NUTTIGE VOORSPELLENDE MODELLEN ONTWIKKELEN, IMPLEMENTEREN EN VALIDEREN IN DE ZIEKENHUISKLINIEKPRAKTIJK, WAARBIJ WE ER TECHNOLOGISCHE HULPMIDDELEN VAN ZULLEN IMPLEMENTEREN. OM DIT TE DOEN, ZULLEN WE VOORSPELLENDE MODELLEN ONTWIKKELEN IN KLINISCHE EVOLUTIE, MORTALITEIT, OVERLEVING OF VERANDERINGEN IN HRQOL VOOR PATIËNTEN MET CHRONISCHE ZIEKTEN, WAARBIJ WE OPTIMALE TRANSFORMATIES EN CATEGORISERING VAN VOORSPELLENDE VARIABELEN VOORSTELLEN DIE HUN CORRECTE INTRODUCTIE IN HET VOORSPELLENDE MODEL MOGELIJK MAKEN. DE VERSCHILLENDE VOORSPELLENDE MODELLEN ZULLEN WORDEN GEËVALUEERD EN VERGELEKEN AAN DE HAND VAN VERSCHILLENDE ANALYSETECHNIEKEN (O.A. LINEAIRE REGRESSIE, BINAIRE LOGISTIEKE REGRESSIE, ORDINALE LOGISTIEKE REGRESSIE, POISSON-REGRESSIE, REGRESSIE EN CLASSIFICATIE VAN BOMEN, NEURALE NETWERKEN) EN VERSCHILLENDE CRITERIA (ONDER ANDERE GOEDE AANPASSING, KALIBRATIE, VOORSPELLENDE CAPACITEIT). (Dutch)
17 December 2021
0 references
GLI OBIETTIVI DEL PRESENTE PROGETTO SI CONCENTRANO SU TRE ASPETTI METODOLOGICI FONDAMENTALI: PROPOSTE BAYESIANE, SEMIPARAMETRICS E PLAUSIBILITÀ EMPIRICA, IL TUTTO IN CONTESTI DI DATI LONGITUDINALI, ANALISI DELLA SOPRAVVIVENZA E MODELLIZZAZIONE DELLA QUALITÀ DELLA VITA CORRELATA ALLA SALUTE (CVR). IN PRIMO LUOGO, NELL'AREA DEI DATI LONGITUDINALI, APPROFONDIREMO I MODELLI ECONOMETRICI IN PSEUDO-PANNELLI O PANNELLI SINTETICI PER IL CASO DI PSEUDO PANNELLI CHE, PER COSTRUZIONE, PRESENTANO UNA DIPENDENZA TEMPORALE. ANALIZZEREMO IL MODELLO GENERALE DEGLI PSEUDO-PANNELLI INDIPENDENTI E LO ADATTEREMO IN MODO DA CONSENTIRE LA DIPENDENZA TEMPORALE IN OGNI PSEUDO-PANNELLO, MODELLANDO QUESTA DIPENDENZA SECONDO SPECIFICI CRITERI DI BONTÀ DI ADEGUAMENTO E CRITERI DETTATI DALLE SPECIFICHE CARATTERISTICHE DI DIPENDENZA DEI DATI UTILIZZATI. SVILUPPEREMO I PROGRAMMI APPROPRIATI PER EFFETTUARE LA STIMA IN QUESTI MODELLI E APPLICARE LE TECNICHE SVILUPPATE AI DATI REALI, IN PARTICOLARE IN BIOLOGIA E DATI DEL MERCATO DEL LAVORO BASCO. IN SECONDO LUOGO, NELL'AMBITO DELL'ANALISI DELLA SOPRAVVIVENZA, ESTENDIAMO LE PROPOSTE METODOLOGICHE DI PLAUSIBILITÀ EMPIRICA AI PROBLEMI DI INFERENZA CON RESTRIZIONI DELL'ORDINE, STUDIANDO LE DISTRIBUZIONI ASINTOTIC DELLE STATISTICHE DI CONTRASTO E IL COMPORTAMENTO ASINTOTICO DEGLI ESTIMATORI DI PLAUSIBILITÀ EMPIRICA OTTENUTI SOTTO RESTRIZIONI DI ORDINE, PONENDO PARTICOLARE ENFASI SUGLI ASPETTI COMPUTAZIONALI NON BANALI DEI METODI DI PLAUSIBILITÀ EMPIRICA. METTEREMO A CONFRONTO LE FUNZIONI DI DISTRIBUZIONE E I RISCHI COMPETITIVI UTILIZZANDO QUESTA METODOLOGIA E APPLICHEREMO I RISULTATI IN ESEMPI REALI DI AFFIDABILITÀ, SANITÀ PUBBLICA, ECONOMIA E FINANZA. INFINE, STUDIEREMO PROPOSTE ALTERNATIVE NELLA MODELLIZZAZIONE STATISTICA DI HRQOL, IN PARTICOLARE IN RELAZIONE AI RISULTATI PERCEPITI DAL PAZIENTE, APPLICANDOLI AGLI INDICI DI QUALITÀ DELLA VITA RELATIVI ALLA SALUTE E ALLA SALUTE. STUDIEREMO LA LORO DISTRIBUZIONE E MODELLAZIONE STATISTICA, PROPONENDO MIGLIORAMENTI NELLA COSTRUZIONE DI INDICI PER MISURARE QUESTI RISULTATI, E METTEREMO A CONFRONTO LE DIVERSE ALTERNATIVE METODOLOGICHE PER LA LORO ANALISI. PROPORREMO MODELLI AVANZATI DI TECNICHE DI RAMMOLLIMENTO (MAG, P-SPLINES) PER MODELLI APPLICATI ALL'ANALISI DEI RISULTATI PERCEPITI DAL PAZIENTE. INFINE, CONTESTUALIZZARE I RISULTATI OTTENUTI, FORNIRE LINEE GUIDA PER LA SELEZIONE DI ALTERNATIVE ADEGUATE, NONCHÉ RACCOMANDAZIONI E CONCLUSIONI BASATE SUGLI ASPETTI PIÙ RILEVANTI DAL PUNTO DI VISTA STATISTICO E CLINICO DELL'APPLICAZIONE. INOLTRE SVILUPPEREMO, IMPLEMENTEREMO E CONVALIDAREMO MODELLI PREDITTIVI UTILI NELLA PRATICA CLINICA OSPEDALIERA, IMPLEMENTANDO STRUMENTI TECNOLOGICI DA LORO. PER FARE QUESTO, SVILUPPEREMO MODELLI PREDITTIVI IN EVOLUZIONE CLINICA, MORTALITÀ, SOPRAVVIVENZA O CAMBIAMENTI IN HRQOL PER I PAZIENTI CON MALATTIE CRONICHE, PROPONENDO TRASFORMAZIONI E CATEGORIZZAZIONE OTTIMALI DELLE VARIABILI PREDITTIVE CHE NE CONSENTONO LA CORRETTA INTRODUZIONE NEL MODELLO PREDITTIVO. I DIVERSI MODELLI PREDITTIVI SARANNO VALUTATI E CONFRONTATI UTILIZZANDO DIVERSE TECNICHE DI ANALISI (REGRESSIONE LINEARE, REGRESSIONE LOGISTICA BINARIA, REGRESSIONE LOGISTICA ORDINALE, REGRESSIONE POISSON, ALBERI DI REGRESSIONE E CLASSIFICAZIONE, RETI NEURALI, TRA GLI ALTRI) E CRITERI DIVERSI (BUONA REGOLAZIONE, CALIBRAZIONE, CAPACITÀ PREDITTIVA, TRA GLI ALTRI). (Italian)
16 January 2022
0 references
Bilbao
0 references
Identifiers
MTM2016-74931-P
0 references