Promotie K.A.L. (Katya) Mauff

Samenvatting:

De toenemende aandacht voor gepersonaliseerde geneeskunde (personalised medicine) en medische besluitvorming, samen met een toename van de hoeveelheid beschikbare data en de kwaliteit daarvan, heeft geleid tot een aanzienlijke inspanning in de ontwikkeling van methodes die in staat zijn om variërende en complexe ziektedynamieken te analyseren.

Joint models (gecombineerde modellen) worden veel gebruikt in gezondheidsstudies en bieden veel voordelen, zoals (a) het aanpakken van meetfouten en ontbrekende gegevens in tijdsafhankelijke covariaten in  overlevingsregressiemodellen, (b) het verhogen van de efficiëntie van statistische inferentie door zowel
de longitudinale als de overlevingsgegevens gelijktijdig te analyseren, en (c) het begrijpen en kwantificeren van de associatie tussen longitudinale en overlevingsprocessen. Meerdere uitbreidingen van het joint model hebben ervoor gezorgd dat het includeren van extra longitudinale uitkomsten, meerdere terugkerende of concurrerende eindpunten, en complexere associatiestructuren in het model mogelijk zijn. In dit proefschrift introduceren we een alternatieve parametrisering van de associatiestructuur en onderzoeken we methoden om de limiterende computationele complexiteit aan te pakken, een probleem wat optreedt wanneer er een groot aantal longitudinale uitkomsten is.