Alzheimer hastalarında demans durumuna göre ağız bakım parametrelerinin hızlandırılmış başarısızlık zamanı modelinin Bayesci yaklaşımı ile tahminlenmesi : bir simülasyonu uygulaması

Abstract

Amaç:. Bu tez çalışmasın amacı, Markov Zinciri Monte Carlo veri simülasyon yöntemi ile oluşturulan örneklerde Alzheimer hastalarının demans seviyesini zamana bağlı olarak etkileyen ağız sağlığı parametrelerinin, Cox Orantılı Tehlike (COT)regresyon modeli, Frekansçı ve Bayesci yaklaşım ile Hızlandırılmış Başarısızlık Zamanı (HBZ) modelleri kullanarak çözümlenmesi ve model tahminlerinin karşılaştırılmasıdır.Gereç ve yöntem: Çalışmamızda 36 Alzheimer tanısı almış hasta yer almıştır. Üç senaryoya göre 250, 500 ve 1000 örneklem büyüklükleri için yapay veri setleri üretilmiştir. Kategorik değişkenlerin orantılı tehlikeler varsayımı sağkalım eğrileri ile incelenmiştir. İleri demansa geçişe etki eden değişkenlerin tek değişkenli analizleri Logrank testi ve basit Cox regresyon ile gerçekleştirilmiştir. Çok değişkenli modeller COT regresyonu ve paremetrik HBZ regresyonunun Frekansçı ve Bayes yaklaşımı ile gerçekleştirilmiştir. Parametrik HBZ modelleri için ileri demansa geçiş süresi tehlike dağılımına en uygun dağılım Lognormal, Weibull, Loglojistik ve Üstel dağılımları içinmodellenen HBZ regresyonlarının uyum iyiliği bilgi kriterleri ve tehlike eğrileri ile değerlendirilmiştir. Bayesci HBZ modelinde kullanılan önsel dağılımlar literatüre göre belirlenmiştir. Bulgular: yapay veri setlerinin tek değişkenli analizlerinde yaş, cinsiyet, yaşanılan yer, sigara kullanımı ve diş fırçalama ileri demansa geçişi etkilediği bulunmuştur (p<0.0001). Çok değişkenli COT resresyon modelinde, hastanın huzurevine göre evde yaşaması, Bayesci ve frekansçı Weibull HBZ modellerinde ise buna ek olarak artan yaş ileri demansa geçişi hızlandırdığı bulunmuştur. Sonuç: Yapay veri setleri ile yapılan analizlerde Alzheimer hastalarının yaşı ve yaşadığı yer ileri demansa geçiş süresini etkilediği bulunmuştur. Parametrik HBZ modelinin tehlike olasılık dağılımının doğru tespit edilmesi model uyumunu iyileştirmektedir. Cox regresyonu yönteminden farklı olmakla beraber, Bayesci ve frekansçı yaklaşımlarda benzer sonuçlar elde edildiği bulunmuştur.

Objective: Estimation and comparison of models predicting oral health parameters affecting the time to severe dementia in Alzheimer’s patients simulated data using, Markov Chain Monte Carlo method, with Cox Proportional Hazards (CPH) model, and Frequentist and Bayesian Accelerated Failure Time (AFT) models.Material and methods: Thirty-six patients diagnosed with Alzheimer’s participated in this study. Simulation is performed for three scenarios with samples of 250, 500 and 1000. Proportional hazards assumption is examined with survial curves. Univariate analysis is performed with Logrank test and simple Cox regression. Factors affecting time to severe dementia are examined with CPH model, and Frequentist and Bayesian parametric AFT models. Hazard distribution of time variable is investigated by information criterias and hazard curves of parametric AFT models that are constructed for Lognormal, Weibull, Loglogistic, and Exponential distributions. In bayesian AFT model, prior distributions are determined according to literature.Results: The univariate analysis of simulated data showed that age, gender, where patient lives, smoking, and brushing were associated with time to severe dementia (p<0,0001). Multivariate analysis showed that living in home compared to nursing home was a risk factor in CPH model, and in AFT models higher age and living in home were associated with acceleration of time to severe dementia.Conclusion: Simulated data findings indicated the age and where the patient lives are associated with time to severe dementia. The model fit for AFT regression could be improved by approriate aasessment of hazards’ distribution. Although different from CPH regression, Bayesian and Frequentist approaches showed similar results.