Μπεϋζιανή σύνθεση πληροφορίας για την ανάλυση βιοϊατρικών δεδομένων

Περίληψη

Στην εποχή άνθησης της Στατιστικής και της Επιστήμης των Δεδομένων, η ανάλυση βιοϊατρικών δεδομένων κερδίζει συνεχώς την προσοχή ερευνητών και επαγγελματιών, οι οποίοι προσπαθούν να χρησιμοποιήσουν την πληθώρα πληροφορίας σε διαδικασίες λήψης αποφάσεων. Η Μπεϋζιανή μεθοδολογία, της οποίας η δημοτικότητα έχει επίσης αυξηθεί τις τελευταίες δεκαετίες λόγω της υπολογιστικής και στατιστικής προόδου σε μεθόδους προσομοίωσης Μόντε Κάρλο, παρέχει ένα συνεκτικό πλαίσιο σύνθεσης πληροφορίας από διαφορετικές πηγές. Έτσι, στοχεύουμε στη χρήση Μπεϋζιανών μοντέλων, για να εκτιμήσουμε σημαντικές ποσότητες στα πεδία τόσο των λοιμωδών όσο και των μη λοιμωδών ασθενειών. Όσον αφορά τις λοιμώδεις ασθένειες, ασχολούμαστε με την πανδημία Covid-19 και, συγκεκριμένα, κατασκευάζουμε στοχαστικά διαμερισματικά μοντέλα διακριτού χρόνου βασισμένα στο λανθάνον επίπεδο των καταγεγραμμένων και μη κρουσμάτων, ώστε να εκτιμήσουμε τo ρυθμό αναπαραγωγής και το ποσοστό των παρατηρούμενων κρουσμάτων. Επίσης, αντιμετωπίζουμ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the era of Statistics and Data Science, the analysis of biomedical data has received increasing attention by researchers and practitioners who seek to harness the plethora of information for decision making processes. The Bayesian methodology which has also gained great popularity in the last few decades, due to computational and statistical advances in Monte Carlo simulation methods, provides a coherent framework for synthesizing evidence from multiple sources. To this end, we aim at utilizing Bayesian models for estimating critical quantities in the fields of communicable and non-communicable disease analysis. Regarding the former, we are concerned with the Covid-19 pandemic and, specifically we build discrete-time stochastic compartmental models based on the latent level of both registered and unregistered cases to infer the reproduction number and the proportion of cases observed. Further, we face the problem through the lens of dynamical systems to gain insight, but also constr ...
περισσότερα
Η διατριβή αυτή δεν είναι ακόμα διαθέσιμη ηλεκτρονικά
DOI
10.12681/eadd/56915
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/56915
ND
56915
Εναλλακτικός τίτλος
Bayesian evidence synthesis for the analysis of biomedical data
Συγγραφέας
Αψεμίδης, Αναστάσιος (Πατρώνυμο: Ευστάθιος)
Ημερομηνία
2024
Ίδρυμα
Οικονομικό Πανεπιστήμιο Αθηνών. Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας. Τμήμα Στατιστικής
Εξεταστική επιτροπή
Δεμίρης Νικόλαος
Βασδέκης Βασίλειος
Kalogeropoulos Kostas
Καρλής Δημήτριος
Κυριακίδης Επαμεινώνδας
Ντζούφρας Ιωάννης
Kypraios Theodore
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΜαθηματικά ➨ Στατιστική και Πιθανότητες
Φυσικές ΕπιστήμεςΜαθηματικά ➨ Διεπιστημονικές εφαρμογές των μαθηματικών
Ιατρική και Επιστήμες ΥγείαςΕπιστήμες Υγείας ➨ Επιδημιολογία
Λέξεις-κλειδιά
Μπεϋζιανή ανάλυση; Ανάλυση επιβίωσης; Παρεκβολή; Επιδημικά μοντέλα; Κορονοϊός
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
πιν., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.