تحليل داده‌هاي بقاي سانسوريده با استفاده از روش‌هاي كاهش بعد بسنده: مطالعۀ قند و ليپيد تهران

Analysis of Censored Survival Data with Dimension Reduction Methods: Tehran Lipid and Glucose Study

بيماري‌هاي قلبي-عروقي شايع‌ترين علت مرگ و مير در سراسر جهان است. از سوي ديگر براي تعيين يك مدل بقاي مناسب به‌ منظور پيشگويي خطر بروز بيماري‌هاي قلبي و شناسايي عوامل خطرساز مهم در بروز اين بيماري‌ها بايد شكل تابعي كه زمان بقا و عوامل خطرساز را به هم مرتبط ‌سازد را مشخص كرد. در اين مطالعه يك روش كاهش بعد بسنده با استفاده از يك مدل كلّي كه مدل‌هاي بقاي متداول را به‌عنوان موارد خاص شامل مي‌شود، به‌منظور پيشگويي خطر بروز بيماري‌هاي قلبي پيشنهاد شده است. روش‌هاي كاهش بعد بسنده مبتني بر رگرسيون وارون كه با مدل خطرهاي متناسب كاكس تركيب شده، در مجموع يك عملكرد پيشگويانۀ خوبي براي بقاي آينده افراد دارد.

Cardiovascular diseases (CVDs) are the leading cause of death worldwide. To specify an appropriate model to determine the risk of CVD and predict survival rate, users are required to specify a functional form which relates the outcome variables to the input ones. In this paper, we proposed a dimension reduction method using a general model, which includes many widely used survival models as special cases. Using an appropriate combination of dimension reduction and Cox Proportional Hazards model, we found a method which is effective for survival prediction.