عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
TL49242
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
Parametric reversed hazards model for left censored data with application to HIV
نام عام مواد
[Thesis]
نام نخستين پديدآور
Farahnaz Islam
نام ساير پديدآوران
Chakraborty, Hrishikesh
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
University of South Carolina
تاریخ نشرو بخش و غیره
2016
مشخصات ظاهری
نام خاص و کميت اثر
61
يادداشت کلی
متن يادداشت
Committee members: Hussey, James; McLain, Alexander
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
Place of publication: United States, Ann Arbor; ISBN=978-1-369-56464-8
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.P.H.
نظم درجات
Biostatistics
کسي که مدرک را اعطا کرده
University of South Carolina
امتياز متن
2016
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Left censoring is generally a rare type of censoring in time-to-event data, however there are some fields such as HIV related studies where it commonly occurs. Currently, there is no clear recommendation in the literature on the optimal model and distribution to analyze left-censored data. Recommendations can help researchers apply more accurate models for this type of censoring. This study derives the Parametric Reversed Hazards (PRH) Model for a variety of distributions which may be appropriate for left censored data. The performance of these derived PRH models to analyze HIV viral load data are compared using extensive simulations and a guideline is established for which distribution/s are most appropriate. Each simulation setup is varied by sample size and proportion of censoring to find a consistently high performance distribution. The best distribution is determined using the information criteria: AIC, AICC, HQIC, and CAIC. The South Carolina Enhanced HIV/AIDS Reporting Surveillance System (SC eHARS) data were utilized and a bootstrap study provided further insights towards appropriateness of the distributions in analyzing HIV viral load data. Results from simulation studies point to the Generalized Inverse Weibull distribution to outperform all others across censoring rates and sample sizes. The bootstrap study, however, contradicts this and suggests the Marshal-Olkin distribution to be the superior performer. This disagreement may have resulted from the special heavy tail nature of viral load data that demands further attention. Application of the best performing models on the SC eHARS database revealed important effects explaining trends of viral load over time.
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Biostatistics; Statistics; Public health
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Pure sciences;Biological sciences;Health and environmental sciences
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
Islam, Md Azharul
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
Chakraborty, Hrishikesh
شناسه افزوده (تنالگان)
تقسيم فرعي
Biostatistics
مستند نام تنالگان تاييد نشده
University of South Carolina
شماره دستیابی
شماره بازیابی
1874575504; 10193083
دسترسی و محل الکترونیکی
نام الکترونيکي
مطالعه متن کتاب وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
[Thesis]
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
