Dokument: Bayes-Meta-Analyse: Methoden und Anwendungen in der klinischen Forschung

Titel:Bayes-Meta-Analyse: Methoden und Anwendungen in der klinischen Forschung
Weiterer Titel:Bayesian Meta-Analysis: Methods and Applications in Clinical Research
URL für Lesezeichen:https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=38906
URN (NBN):urn:nbn:de:hbz:061-20160712-094523-1
Kollektion:Publikationen
Sprache:Englisch
Dokumententyp:Wissenschaftliche Abschlussarbeiten » Habilitation
Medientyp:Text
Autor:PD. Dr. rer. nat. Verde, Pablo Emilio [Autor]
Dateien:
[Dateien anzeigen]Adobe PDF
[Details]2,80 MB in einer Datei
[ZIP-Datei erzeugen]
Dateien vom 12.07.2016 / geändert 12.07.2016
Stichwörter:Meta-Analysis, Bayesian Statistics, MCMC, R software, Generalized Evidence Synthesis
Dewey Dezimal-Klassifikation:000 Informatik, Informationswissenschaft, allgemeine Werke » 004 Datenverarbeitung; Informatik
Beschreibungen:Die Meta-Analyse ist ein Zweig der statistischen Technik, die Forscher Ergebnisse und Erkenntnisse aus einer Vielzahl von Quellen in einem kohärenten statistischen Modell zu kombinieren hilft. Dies ist ein Werk von Bayes-Meta-Analyse; dieser Ansatz der Meta-Analyse wird durch die Konstruktion der formalen Wahrscheinlichkeitsmodelle aus, wobei die Verbindung jedes Beweisstücks unter Verwendung eines gerichteten azyklischen Graphen beschrieben. Inferentielle Aussagen über die Modellparameter basieren auf posteriori-Verteilungen, die mithilfe von Markov Chain Monte Carlo (MCMC) Berechnungstechniken approximiert werden. Folgende Themen wurden in dieser Arbeit untersucht:
1) „Generalized Evidence Synthesis“ ist die Erweiterung der Meta-Analyse die sich mit Ergebnissen aus unterschiedlichen statistischen Designs kommen (Retrospektive, prospektive observational, etc.). In dieser Arbeit untersuchten wir den Stand der Technik in diesem Bereich durch eine Überprüfung von Methoden und Anwendungen der veröffentlichten Arbeit in den letzten 20 Jahren.
2) „Cross-Design-Synthesis“ ist eine Meta-Analyse-Technik zu erforschen, in welchem Ausmaß experimentelle Ergebnisse in ein neues Anwendungs-Framework übertragen werden können. Ein neuer Ansatz für „Cross-Design-Synthesis“ wurde entwickelt, um zu untersuchen, wie Beweise aus aggregierten Ergebnissen (zum Beispiel veröffentlichte Papiere) mit individuellen Teilnehmerdaten (zum Beispiel Datenbanken) zu kombinieren sind, wenn die Informationquellen aus unterschiedlichen statistischen Designs stammen.
3) Die Meta-Analyse von diagnostischen Tests ist noch eine offene Forschungsthema. In dieser Arbeit, wir entwickelten ein Neuheitsmodell, das realistisch die mehrere Quellen von Variabilität in dieser Art von meta-Analyse umfasst.
4) Software-Entwicklung war ein Schwerpunkt dieser Arbeit. Wir untersuchten, wie ein komplexes Bayes-Meta-Analysis-Modell in einfach zu implementieren der statistischer Software zu nutzen ist. Wir entwickelten dann ein Paket für das R-System, das die Anwendungen der Bayes-Meta-Analyse für Nicht-Statistiker vereinfacht.

One of the most important processes in science is the accumulation of information and knowledge. Ideally, for a particular research problem we should have a collection of experiments and studies which indicate the best way to proceed. However, this is not the case in several areas of empirical research. Instead, researchers have to face a heterogeneous and fragmented evidence coming from published articles, unpublished reports, databases, etc., that has to be analyzed together.

Meta-Analysis is a branch of statistical techniques that helps researchers to combine results and evidence from a multiplicity of sources in a coherent statistical model. During the last 20 years meta-analysis has been very popular in the Evidence Base Medicine, where it injected scientific formality in the evaluation and optimization of medical decision-making. This is a work of Bayesian Meta-Analysis; this approach of meta-analysis is characterized by the construction of formal probability models, where the interconnection of each piece of evidence is described by using a Directed Acyclic Graph. Inferential statements about model parameters are based on posterior distributions that are approximated by using Markov Chain Monte Carlo (MCMC) computation techniques. The following topics were investigated in this work:
1) Generalized Evidence Synthesis is the extension of the meta-analysis to deal with results coming from different statistical designs (e.g. retrospective, prospective, observational, etc.). In this work we investigated the state of the art in this area by making a review of methods and applications of the published work in the last 20 years.
2) Cross Design Synthesis is a meta-analysis technique to explore in which extent experimental results can be extrapolated into a new application framework. A new approach for Cross Design Synthesis was developed to investigate how to combine evidence from aggregated results (e.g. published papers) with individual participant data (e.g. databases), when the sources of information are coming from different statistical designs.
3) Meta-analysis of diagnostic test is still an open research topic, in this work we investigated how to deal with the complexities of the evidence of diagnostic test data. We developed a novelty model that realistically includes the multiple sources of variability in this type of meta-analysis.
4) Software development has been a main focus of this work. We investigated how to implement a complex Bayesian Meta-Analysis model into easy to use statistical software. We developed a package in the R system that simplifies the applications of Bayesian meta-analysis for non-statisticians.
Fachbereich / Einrichtung:Medizinische Fakultät » Institute » Koordinierungszentrum für Klinische Studien (KKS)
Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Bioinformatik
Dokument erstellt am:12.07.2016
Dateien geändert am:12.07.2016
english
Benutzer
Status: Gast
Aktionen