Ickstädt, KatjaSchaller, Mathias2012-08-012012-08-012012-08-01http://hdl.handle.net/2003/29569http://dx.doi.org/10.17877/DE290R-4924In dieser Arbeit werden die Daten von Dialysepatienten benutzt, um Behandlungsparameter zu identifizieren, die das Überleben von Dialysepatienten beeinflussen. Dazu wird ein Cox Proportional Hazard Modell erstellt, das zeitveränderliche und nichtlineare Einflüsse sowie Zentrumsfrailtyeffekte berücksichtigt. Bei der Überprüfung der Modellannahmen werden acht Einflussfaktoren ermittelt, bei denen die Modellannahmen nicht erfüllt sind. Für diese Parameter wird mit Hilfe einer stückweise Variation des Risikos über die Zeit oder einer zeitliche Aktualisierung der Werte ein Modell mit proportionalem Risiko erstellt. Weiterhin wird bei fünf der stetigen Einflussfaktoren festgestellt, dass der Einfluss nicht linear ist. Bei diesen Einflussfaktoren können fraktionale Polynome und Polynome 4. Grades die Nichlinearität erfassen. Die zufälligen Zentrumseffekte lassen sich mit einer Log-t)Verteilung am besten anpassen. Schliesslich wird eine Variablenselektion durchgeführt, in der elf Einflussfaktoren eliminiert werden, die die Modellgüte nicht verbessern. Die im Modell verbleibenden Einflüsse weisen darauf hin, dass ein Teil des Mortalitätsrisikos vom Patienten aufgrund seiner Demographie mitgebracht wird. Ein anderer Teil geht allerdings auf unter der Dialyse beeinflussbare Parameter zurück. Diese beschreiben verschiedene Behandlungsansätze die unter der Dialyse beachtet werden müssen. Weiterhin wird das Modell mit Hilfe des Loglikelihood Ansatzes und eines bayesianischen MCMC Verfahrens geschätzt. Die dabei geschätzten Parameter sind einander sehr ähnlich. Lediglich die Varianzen der Schätzer des bayesianischen Verfahrens sind kleiner als die des Likelihood Ansatzes. Dies wird darauf zurückgeführt, dass im bayesianischen Modell neben den Schätzern auch die Baselinehazardfunktion spezifiziert wird. Weiterhin wird eine sequentielle bayesianische Analyse durchgeführt. Das Einfügen weiterer Daten führt hierbei zu einer Verbesserung der Ergebnisse in Form geringerer Varianzen der Parameterschätzer. Ein Vorteil gegenüber einem Ein-Schritt-Verfahren konnte nicht festgestellt werden. Dies wird darauf zurückgeführt, dass in der sequentiellen Analyse zwischen den Schritten keine Adaption der a-priori Verteilungen stattgefunden hat.deBayesianische SchätzungCox ModelleDialyseFraktionale PolynomeZeitveränderliche Kovariablen310Text