تقدير الانموذج المشترك لبيانات البقاء الطولية عالية الابعاد بأستعمال الطريقة الجينية الهجينية HGA_EM

المؤلفون

  • انوار داخل هندول دائرة التنمية البشرية، وزارة التخطيط، بغداد، العراق. https://orcid.org/0009-0007-3415-5536
  • سهاد علي شهيد قسم الاحصاء، كلية الإدارة والاقتصاد، الجامعة المستنصرية، بغداد، العراق. https://orcid.org/0000-0002-1437-6469

DOI:

https://doi.org/10.31272/jae.i151.1537

الكلمات المفتاحية:

الانموذج المشترك، دالة المخاطرة، بيانات البقاء، البيانات الطولية

الملخص

تعد النماذج المشتركة من الاساليب الاحصائية المتقدمة التي تتيح تحليل البيانات الطولية وبيانات البقاء بصورة متكاملة ، ولاسيما عند وجود عند ارتباط بنيوي بين المسار الزمني للمؤشر الحيوي وخطر حدوث الحدث السريري . وفي هذا السياق تهدف الدراسة الى تطوير تقدير اكثر كفاءة لمعلمات الانموذج المشترك عبر اعتماد الطريقة الهجينة (HGA_EM) ، التي تمزج بين قدرات الخوارزمية الجينية في البحث الشامل وخوارزمية EM في تحسين الحلول وتثبيتها. وقد طبق هذا الاسلوب على بيانات سريرية لمرضى الثلاسيميا تضمنت ثلاث مؤشرات طولية (HB,MCV,Urea) على مدى ثلاث زيارات زمنية . 

اظهرت النتائج ان مؤشر HB سجل زيادة تدريجية عبر الزمن (0.0551) ، وان ارتفاع قيمه يرتبط بانخفاض ملموس في خطر الانتكاس وفق معامل ارتباط طولي بقائي سالب (-0.0823) كما بلغ متوسط MCV  نحو (77.99 ) مع تأثير زمني محدود (0.1205) ، فيما اظهر ارتباطاً بقائياً طفيفاً خافضاً للخطر (-0.0088) اما مؤشر Urea فكان الاكثر تذبذبا اذ يرتفع بمرور الزمن (0.2835) ويبين ارتباطا واضحا بزيادة احتمال وقوع الحدث من خلال معامل بقائي سالب اكبر نسبيا (-0.02745) وتبرز هذه النتائج كفاءة الطريقة الهجينة HGA_EM في تحقيق تقديرات مستقرة واكثر دقة مقارنة بالطرائق التقليدية وفي تمثيل العلاقة الديناميكية بين المؤشرات الحيوية وخطلر الحدث السريري بدقة عالية .

التنزيلات

تنزيل البيانات ليس متاحًا بعد.

السير الشخصية للمؤلفين

  • انوار داخل هندول ، دائرة التنمية البشرية، وزارة التخطيط، بغداد، العراق.

    قسم الاحصاء / طالبة دكتوراه 

  • سهاد علي شهيد، قسم الاحصاء، كلية الإدارة والاقتصاد، الجامعة المستنصرية، بغداد، العراق.

    استاذ دتور في كلية الادارة والاقتصاد / قسم الاحصاء 

المراجع

1. Ahmed Meri, Marwa, Aaya Hamid Al-Hakeem, and Rukaya Saad Al-Abeadi. 2022. “Overview on Thalassemia: A Review Article.” Medical Science Journal for Advance Research 3(1):26–32. doi:10.46966/msjar.v3i1.36. DOI: https://doi.org/10.46966/msjar.v3i1.36

2. Alkhathami, A. (2021). Joint Modeling of Longitudinal and Survival Data (Doctoral dissertation, Carleton University). Ottawa-Carleton Institute for Mathematics and Statistics.

3. Baghfalaki, T., M. Ganjali, and R. Martins. 2025. “Approximate Bayesian Inference for Joint Partially Linear Modeling of Longitudinal Measurements and Spatial Time-to-Event Data.” Journal of Statistical Computation and Simulation. doi:10.1080/00949655.2025.2538116. DOI: https://doi.org/10.1080/00949655.2025.2538116

4. Caillebotte, Antoine, Estelle Kuhn, and Sarah Lemler. 2023. “Estimation and Variable Selection in a Joint Model of Survival Times and Longitudinal Outcomes with Random Effects.” 1–12. http://arxiv.org/abs/2306.16765.

5. Crowther, Michael J., Keith R. Abrams, and Paul C. Lambert. 2013. “Joint Modeling of Longitudinal and Survival Data.” Stata Journal 13(1):165–84. doi:10.1177/1536867x1301300112. DOI: https://doi.org/10.1177/1536867X1301300112

6. Leiva-Yamaguchi, V., & Alvares, D. (2021). A two-stage approach for Bayesian joint models of longitudinal and survival data: Correcting bias with informative prior. Entropy, 23(1), 50. https://doi.org/10.3390/e23010050 DOI: https://doi.org/10.3390/e23010050

7. Nguyen, Hieu T., Henrique D. Vasconcellos, Kimberley Keck, Jared P. Reis, Cora E. Lewis, Steven Sidney, Donald M. Lloyd-Jones, Pamela J. Schreiner, Eliseo Guallar, Colin O. Wu, João A. C. Lima, and Bharath Ambale-Venkatesh. 2023. “Multivariate Longitudinal Data for Survival Analysis of Cardiovascular Event Prediction in Young Adults: Insights from a Comparative Explainable Study.” BMC Medical Research Methodology 23(1). doi:10.1186/s12874-023-01845-4. DOI: https://doi.org/10.1186/s12874-023-01845-4

8. Qiu, Xianxin, Jing Gao, Jing Yang, Jiyi Hu, Weixu Hu, Lin Kong, and Jiade J. Lu. 2020a. “A Comparison Study of Machine Learning (Random Survival Forest) and Classic Statistic (Cox Proportional Hazards) for Predicting Progression in High-Grade Glioma after Proton and Carbon Ion Radiotherapy.” Frontiers in Oncology 10(October):1–10. doi:10.3389/fonc.2020.551420. DOI: https://doi.org/10.3389/fonc.2020.551420

9. Rizopoulos, D. (2012). Joint Models for Longitudinal and Time-to-Event Data: With Applications in R. Chapman & Hall/CRC. DOI: https://doi.org/10.1201/b12208

10. Shen, Nan, and Bárbara González. 2021. “Bayesian Information Criterion for Linear Mixed-Effects Models.” http://arxiv.org/abs/2104.14725.

11. Taher, A. T., D. Farmakis, J. B. Porter, M. D. Cappellini, and K. M. Musallam. 2025. “Thalassaemia International Federation Guidelines for the Management of Transfusion-Dependent Thalassemia.”

التنزيلات

منشور

2026-03-02

كيفية الاقتباس

تقدير الانموذج المشترك لبيانات البقاء الطولية عالية الابعاد بأستعمال الطريقة الجينية الهجينية HGA_EM. (2026). مجلة الإدارة والاقتصاد, 51(151), 103-113. https://doi.org/10.31272/jae.i151.1537

المؤلفات المشابهة

51-60 من 112

يمكنك أيضاً إبدأ بحثاً متقدماً عن المشابهات لهذا المؤلَّف.