| Περίληψη : | Στην παρούσα διπλωματική εργασία κάνουμε μετα-ανάλυση τυχαίων επιδράσεων του net benefit, σε ένα τεστ και ένα μοντέλο πρόβλεψης. Το net benefit είναι μία απλή τεχνική ανάλυσης αποφάσεων η οποία συμπεριλαμβάνει το «κόστος» ή το «όφελος» της λήψης μιας απόφασης, εκτός από το διαχωρισμό των υποκειμένων σε αυτούς που πάσχουν ή όχι. Για να εφαρμοστούν συστηματικά το τεστ και το μοντέλο πρόβλεψης οφείλουμε να τα δοκιμάσουμε σε πολλά και διαφορετικά κέντρα/έρευνες ώστε να παρατηρήσουμε πως «συμπεριφέρονται» όταν υπάρχει ετερογένεια ή διαφορετικές τιμές επιπολασμού. Έτσι, δημιουργήσαμε μία προσομοίωση παραδειγμάτων που βασίστηκε στον επιπολασμό, τη sensitivity και τη specificity. Επαναλάβαμε τη διαδικασία 10 φορές για κάθε παράδειγμα ώστε να εφαρμόσουμε τον αλγόριθμο σε διαφορετικά δεδομένα. Στα συγκεντρωτικά αποτελέσματα παρουσιάζουμε τις μέσες τιμές, διαστήματα εμπιστοσύνης και την πιθανότητα να είναι χρήσιμο το τεστ/μοντέλο σε νέες έρευνες. Στο πρώτο παράδειγμα εξετάσαμε τη χρησιμότητα του θερμομέτρου αυτιού σε παιδιά έναντι των εδραιωμένων μεθόδων λήψης θερμοκρασίας σε παιδιά και τα δεδομένα προήλθαν από υπάρχουσες έρευνες. Στο δεύτερο παράδειγμα τα δεδομένα αντλήθηκαν από διαγνωστικά κέντρα σε διάφορες πόλεις του κόσμου. Πρόκειται για ένα μοντέλο πρόβλεψης του καρκίνου των ωοθηκών.
Subject of this thesis is a random-effects meta-analysis of the net benefit of the clinical utility of tests and prediction models. Net benefit is a simple tool of decision analysis that incorporates the harms or the benefits of making a decision, besides the discrimination of patients who do or do not suffer from a disease. In order to implement such tests/models we need to test them in different settings, so we can have a good understanding of its usefulness in a heterogeneous environment or when a different prevalence occurs. With that in mind we created simulated data from existing examples, based on prevalence, sensitivity and specificity. We repeated the process 10 times for each example in order to test the algorithm in different data. In our summary results we present mean values, confidence intervals and the probability of usefulness in a new setting. On the first example we examined the usefulness of ear thermometer to diagnose fever in children, over established methods of temperature measurement. On the second example we used data from diagnostic centers around the world, on a prediction model for the diagnosis of ovarian cancer.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.