Nicht-parametrische und semi-parametrische Inferenz für longitudinale Mehrzustandsmodelle mit einer Anwendung in der Migräneforschung

• Antragstellerin: Dr. Susanna di Termini, Ph.D.
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2016 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 316904537

Inhalt des Projektes ist die statistische Analyse von Daten aus prospektiven Beobachtungsstudien, in denen Patienten über einen längeren Zeitraum strukturierte Tagebücher führen, um Auslöser und Einflüsse auf sich wiederholende pathologische Zustände zu untersuchen. Ein Beispiel ist die PAMINA-Studie (Wöber et al., 2007, Zebenholzer et al., 2010, Salhofer et al., 2010, Salmal et al., 2011) in der Migräne-Patienten über ca. 3 Monate hinweg täglich Tagebuch mit Informationen über potenzielle Migräne-Triggerfaktoren und andere Einflüsse führten. Solche Daten lassen sich durch rekurrente Mehrzustandsmodelle beschreiben, wobei hier von Nicht-Markovprozessen ausgegangen werden muss. Ziel der PAMINA-Studie war es, relevante Triggerfaktoren zu identifizieren, die in klarer Assoziation mit den wiederkehrenden pathologischen Zuständen (z.B. Migränekopfschmerz) stehen. Hierzu gehören auch medizinische Interventionen, wie z.B. die Einnahme von Bedarfsmedikation, deren Wirksamkeit ebenfalls untersucht werden sollte. Bisher wurden die PAMINA-Daten nur mit relativ einfachen statistischen Methoden untersucht, z.B. mit Cox-Modellen unter Verwendung robuster Varianzschätzer (Wöber et al, 2007). Das Ziel dieses Forschungsprojektes ist es, zu untersuchen, inwieweit die erwähnten Fragen besser und effektiver mit innovativen statistischen Methoden für Mehrzustandsmodelle beantwortet werden können. Insbesondere sollen Schätzer von Übergangs- und Zustandsverweilwahrscheinlichkeiten sowie Intensitäten (Transistionhazards) herangezogen werden. Hierbei sollen Methoden implementiert und gegebenenfalls weiterentwickelt werden, die frei von den üblichen aber starken Markov-Annahmen sind, da letztere im Allgemeinen und insbesondere für die PAMINA-Daten kaum zu rechtfertigen sind. Mit dieser Strategie sollen die Abhängigkeit der wiederholten Ereignisse von der Ereignishistorie berücksichtigt werden. Konfidenzbänder sollen zur Quantifizierung der Unsicherheit in der Schätzung der sich zeitlich verändernden Parameter (wie z.B. Übergangswahrscheinlichkeiten oder -intensitäten) herangezogen werden. Der Einfluss von zeitabhängigen Kovariablen (Triggerfaktoren) soll mittels spezieller Prozeduren berücksichtigt werden, die die Abhängigkeiten zwischen den Beobachtungen berücksichtigen und auf einer noch zu entwickelnden Erweiterung von Ansätzen mit Pseudo-Beobachtungen beruhen.

• DFG-Verfahren: Sachbeihilfen