Competing risk analysis - graphical representation of variable influence

• Autorzy: Krętowska M.

Warianty tytułu

PL

Dane z konkurencyjnym ryzykiem - graficzna reprezentacja wpływu czynników ryzyka

• Języki publikacji: EN

Abstrakty

EN

In the paper the possibilities of assessing the variable influence on the failure occurrence is shown. Ensemble of dipolar survival trees is used as a prediction tool. The technique is able to cope with censored data (data with incomplete observations) as well as with competing risks data. The results are presented on the base of two real datasets for which the influence of discrete and continuous variables is examined. To this purpose, the cumulative incidence functions and the quartiles of CIF functions are applied

PL

W pracy przedstawione zostały możliwości graficznej weryfikacji hipotez dotyczących wpływu poszczególnych cech na czas wystąpienia porażki. Jako narzędzie prognostyczne zostały wykorzystane predyktory złożone, w których dipolowe drzewa przeżycia służą jako pojedyncze predyktory. Algorytm tworzenia predyktorów złożonych wykorzystuje informację pochodzącą z obserwacji cenzorowanych, jak również jest przystosowany do danych z konkurencyjnym ryzykiem. Eksperymenty zostały wykonane przy użyciu dwóch zbiorów danych: zbiór opisujący pacjentki z rakiem piersi i drugi - opisujący pacjentów z chłoniakiem grudkowym. Pierwszy z analizowanych zbiorów posłużył jako przykład do badania wpływu zmiennych dyskretnych. W tym celu wyznaczone zostały dystrybuanty (ang. cumulative incidence function) dla wyróżnionych dwóch zdarzeń konkurencyjnych i dwóch cech: rodzaju leczenia oraz typu histologicznego raka. W przypadku zbioru z chłoniakiem grudkowym badane były cechy ciągłe: wiek oraz wartość hemoglobiny. Analiza tych danych opierała si˛e na wyznaczeniu wartości kwartyla pierwszego oraz mediany z funkcji dystrybuanty, wyznaczonej dla czasu nawrotu choroby.

Słowa kluczowe

EN

competing risks; survival analysis; dipolar criterion

PL

kryterium dipolowe; predyktory złożone; analiza przeżywalności

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
• Rocznik: 2011
• Tom: Z. 8
• Strony: 19--30
• Opis fizyczny: Bibliogr. 11 poz. rys., wykr.

Twórcy

autor

Krętowska M.

• Bialystok University of Technology, Faculty of Computer Science, Białystok, Poland

Bibliografia

• [1] L. Bobrowski, M. Kr˛etowska, M. Kr˛etowski, Design of neural classifying networks by using dipolar criterions, Proc. of the Third Conference on Neural Networks and Their Applications, Kule, Poland, 1997, pp. 689-694.
• [2] F.M. Callaghan, Classification trees for survival data with competing risks, Univeristy of Pittsburgh, PhD. thesis, 2008.
• [3] D.R. Cox, Regression models and life tables (with discussion), Journal of the Royal Statistical Society B 34, 1972, pp. 187-220.
• [4] A. W. Fyles, D. R. McCready, L. A Manchul., M. E. Trudeau, P. Merante, M. Pintilie, L. M.Weir, and I. A. Olivotto, Tamoxifen with or without breast irradiation in women 50 years of age or older with early breast cancer, New England Journal of Medicine 351, 2004, pp. 963-970.
• [5] N.A. Ibrahim, A. Kudus, I. Daud, M.R. Abu Bakar, Decision tree for competing risks survival probability in breast cancer study, World Academy of Science, Engineering and Technology, 38, 2008, pp. 15-19.
• [6] N.A. Ibrahim, A. Kudus, Decision tree for prognostic classification of multivariate survival data and competing risks, in: Strangio M. A. (Eds.), Recent Advances in Technologies, 2009.
• [7] H. Ishwaran, U.B. Kogalur, R.D. Moore, S.J. Gange, B.M. Lau, Random survival forests for competing risks, 2010.
• [8] M. Kr˛etowska, Random forest of dipolar trees for survival prediction, L.Rutkowski et al. (Eds.), ICAISC 2006, LNAI 4029, 2006, pp. 909-918.
• [9] M. Kr˛etowska, Competing risks and survival tree ensemble, (submitted).
• [10] M. Pintilie, Competing Risks: A Practical Perspective, John Willey & Sons, 2006.
• [11] H. Putter, M. Fiocco, R.B. Geskus, Tutorial in biostatistics: Competing risks and multi-stage models, Statistics in Medicine 26, 2007, pp. 2389-2430.