مدل بندي فضايي داده هاي بقاي سانسور شده

Spatial Modeling of Censored Survival Data

در تحليل بقا تشخيص منابع خطر براي مجموعه داده ­هاي بقا اهميت ويژه ­اي دارد. برخي از اين عوامل قابل شناسايي هستند و در قالب متغيرهاي تبييني در مدل­ هايي مانند مدل مخاطرات متناسب كاكس قابل بيانند. اما برخي ديگر از اين عوامل خطر، ناشناخته و قابل شناسايي يا اندازه­ گيري نيستند. يكي از اين منابع تاثيرگذار، هم بستگي فضايي ميان داده ­هاي بقاي سانسور شده است كه در پژوهش هايي كه تاكنون صورت گرفته كم تر به آن توجه شده است. اين مقاله مدل بقاي فضايي براي تحليل داده­ هاي بقاي فضايي زمين آماري راست سانسور معرفي مي­شود و با پژوهشي شبيه ­سازي كارايي مدل­ هاي كاكس، شكنندگي و بقاي فضايي در برازش به اين گونه داده ­هاي بقا بررسي مي شود. سپس نحوه كاربست مدل بقاي فضايي براي تحليل داده ­هاي مربوط به زمان ابتلا به بيماري سركوسپوريوز در باغات زيتون نشان داده­ شده است.

An important issue in survival data analysis is the identification of risk factors. Some of these factors are identifiable and explainable by presence of some covariates in the Cox proportional hazard model، while the others are unidentifiable or even immeasurable. Spatial correlation of censored survival data is one of these sources that are rarely considered in the literatures. In this paper، a spatial survival model is introduced to analyze such kinds of data. Then a simulation method is introduced to study the performance of Cox، frailty and spatial survival models for modeling spatially correlated survival data. Next، the proposed spatial survival model is used to model the time disease of Cercosporiose in olive trees. Finally، results and discussion are presented.