Εντοπίστηκε ένα σφάλμα στη λειτουργία της ΠΥΞΙΔΑΣ όταν χρησιμοποιείται μέσω του προγράμματος περιήγησης Safari. Μέχρι να αποκατασταθεί το πρόβλημα, προτείνουμε τη χρήση εναλλακτικού browser όπως ο Chrome ή ο Firefox. A bug has been identified in the operation of the PYXIDA platform when accessed via the Safari browser. Until the problem is resolved, we recommend using an alternative browser such as Chrome or Firefox.
Λογότυπο αποθετηρίου

Πλοήγηση ανά Επιβλέπων "Demiris, Nikolaos"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Flexible survival modelling with incorporation of external information for robust long-term extrapolations
    (2025-04-11) Καλατζή, Μαριλένα; Kalatzi, Marilena; Karlis, Dimitrios; Ntzoufras, Ioannis; Demiris, Nikolaos
    Οι Αξιολογήσεις Τεχνολογιών Υγείας (HTAs) έχουν κρίσιμο ρόλο στην αξιολόγηση νέων ιατρικών παρεμβάσεων. Τα μακροχρόνια δεδομένα είναι απαραίτητα για αξιόπιστες αποφάσεις, καθώς η περίοδος παρακολούθησης των μελετών, ιδίως σε μελέτες σχετικές με την ογκολογία, είναι συχνά περιορισμένη. Η παρεκβολή είναι επομένως σημαντική για τη διαμόρφωση πολιτικών υγείας και τη μοντελοποίηση του κόστους αποτελεσματικότητας. Συμβάλλει στην ολοκληρωμένη κατανόηση των πιθανών ωφελειών και κινδύνων μιας θεραπείας, διασφαλίζοντας ότι οι αποφάσεις στον τομέα της υγείας βασίζονται σε ισχυρά και αξιόπιστα δεδομένα. Τα παραδοσιακά παραμετρικά μοντέλα επιβίωσης, καθώς και οι ευέλικτες παραμετρικές προσεγγίσεις, χρησιμοποιούνται ευρέως για την παρεκβολή των δεδομένων. Ωστόσο, συχνά παράγουν κλινικά, μη ρεαλιστικά αποτελέσματα. Η παρούσα διατριβή διερευνά μια νέα προσέγγιση για την παρεκβολή των δεδομέων επιβίωσης, χρησιμοποιώντας M-splines που ενσωματώνουν εξωτερικά δεδομένα μέσα σε ένα μπεϋζιανό πλαίσιο. Τα M-splines εφαρμόζονται στη συνάρτηση κινδύνου, με την ευελιξία τους να καθορίζεται από ασθενώς πληροφοριακές εκ των προτέρων κατανομές και την τοποθεσία των κόμβων. Για την αποφυγή της υπερπροσαρμογής, το μοντέλο αρχικά περιλαμβάνει ένα μεγάλο αριθμό κόμβων, οι οποίοι μειώνονται κατά τη διαδικασία προσαρμογής του μοντέλου μέχρι να επιτευχθεί το κατάλληλο επίπεδο ευελιξίας. Διάφορες πηγές εξωτερικής πληροφορίας μπορούν να συνδυαστούν από κοινού με τα δεδομένα της κλινικής δοκιμής, βελτιώνοντας την ακρίβεια της παρεκβολής, ενώ παράλληλα συμβάλουν στην παραγωγή κλινικά ρεαλιστικών εκτιμήσεων για μακροπρόθεσμο χρονικό διάστημα. Η νέα μεθοδολογία, μαζί με τα συμβατικά μοντέλα που χρησιμοποιούνται για την παρεκβολή, εφαρμόστηκαν σε ένα πραγματικό σύνολο δεδομένων επιβίωσης σε ασθενείς με μη μικροκυτταρικό καρκίνο του πνεύμονα (NSCLC). Τα αποτελέσματα της ανάλυσης αναδεικνύουν την αποτελεσματικότητα της νέας προσέγγισης. Οι μέσες εκτιμήσεις της πενταετούς επιβίωσης ήταν σε συμφωνία με τις τιμές που βασίζονται στη βιβλιογραφία, ενώ παράλληλα ήταν αξιόπιστες, όπως υποδεικνύεται από τα σχετικά στενά διαστήματα αξιοπιστίας. Συγκρίνοντας τα έτη ζωής που εκτιμήθηκαν για τις δύο ομάδες θεραπείας, παρατηρήθηκε σημαντική διαφορά στις εκτιμήσεις των δύο προσεγγίσεων. Τα μοντέλα που χρησιμοποιούν M-splines εκτίμησαν πέντε επιπλέον μήνες ζωής, σε σύγκριση με μόλις ένα μήνα από τα τυπικά παραμετρικά μοντέλα. Αυτή η απόκλιση αναδεικνύει τις προκλήσεις που αντιμετωπίζουν τα τελευταία μοντέλα, τα οποία δεν συνέκλιναν στο μηδέν μετά από εκτεταμένη χρονική περίοδο, επηρεάζοντας έτσι τις μέσες εκτιμήσεις. Τα ευρήματα της έρευνας αυτής, αναδεικνύουν τη σημασία των ευέλικτων μοντέλων επιβίωσης που ενσωματώνουν εξωτερικές πηγές δεδομένων στις αξιολογήσεις της υγειονομικής περίθαλψης. Αν και οι δύο μέθοδοι που εφαρμόστηκαν δεν μπορούν να συγκριθούν με στατιστικά κριτήρια, η νέα προσέγγιση ενισχύει τη σταθερότητα και την αξιοπιστία των μακροπρόθεσμων προβλέψεων, καθιστώντας την ένα πολύτιμο εργαλείο στις οικονομικές αξιολογήσεις της υγείας.