Detailseite
Projekt Druckansicht

Regression and multiple time scales in multi-state models (M: Multi-state)

Fachliche Zuordnung Epidemiologie und Medizinische Biometrie/Statistik
Förderung Förderung von 2004 bis 2011
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5470786
 
Erstellungsjahr 2011

Zusammenfassung der Projektergebnisse

Untersuchungsinteressen in "Multi-state" waren Regressionsmodelle unter Berücksichtigung verschiedener Zeitskalen bei Ereigniszeitdaten mit komplexer Endpunktstruktur. Eine Schwerpunktanwendung waren hierbei Fragestellungen zum Auftreten und zu Auswirkungen von nosokomialen Infektionen. Direkte Regression wurde erfolgreich untersucht. In diesem Zusammenhang haben wir auch die Hazard-basierte Simulation von Daten mit konkurrierenden Risiken-Struktur betrachtet. Multiple Zeitskalen erwiesen sich als nützlich, um extra length of stay nach Krankenhausinfektion als auch time-dependent bias und Matching Prozeduren zu untersuchen. Die untersuchten Methoden fanden auch ihre Anwendung in der Analyse nosokomialer Infektionen. Insbesondere wurde ein epidemisches Übertragungsmodell für die Untersuchung von Krankenhausausbrüchen entwickelt. Ein Überblick über Mehrstadien-Methodik für Krankenhausepidemiologie befindet sind im Abschluss-Sonderband. Für die Verwendung der Methoden haben wir mehrere R Pakete entwickelt; ein Artikel zur Abschwächung der Markov-Annahme ist derzeit in Bearbeitung.

Projektbezogene Publikationen (Auswahl)

  • A competing risks analysis of bloodstream infection after stem-cell transplantation using subdistribution hazards and cause-specific hazards. Statist. Med. 2007; 26(30) :5360-5369
    Beyersmann J, Dettenkofer M, Bertz H, Schumacher M
  • A random time interval approach for analysing the impact of a possible intermediate event on a terminal event. Biom J 2007; 49(5):742-749
    Beyersmann J
  • An easy mathematical proof showed that timedependent bias inevitably leads to biased effect estimation. J Clin Epidemiol 2008; 61(12):1216-21
    Beyersmann J, Gastmeier P, Wolkewitz M, Schumacher M
  • Statistical epidemic modeling with hospital outbreak data. Statist. Med. 2008; 27(30):6522-31
    Wolkewitz M, Dettenkofer M, Bertz H, Schumacher M, Huebner J
  • The impact of time-dependent bias in proportional hazards modelling. Statist. Med. 2008; 27(30):6439-54
    Beyersmann J, Wolkewitz M, Schumacher M
  • Time-dependent covariates in the proportional subdistribution hazards model for competing risks. Biostatistics 2008; 9(4):765-76
    Beyersmann J, Schumacher M
  • Transmission-associated nosocomial infections: prolongation of intensive care unit stay and risk factor analysis using multistate models. Am J Infect Control 2008; 36(2):98-103
    Beyersmann J, Gastmeier P, Gmndmann H, Bärwolff S, Geffers C, Behnke M, Rüden H, Schumacher M
  • Efficient risk set sampling when a timedependent exposure is present: matching for time to exposure versus exposure density sampling. Methods Inf Med 2009; 48:438-443
    Wolkewitz M, Beyersmann J, Gastmeier P, Schumacher M
  • Modeling the effect of time-dependent exposure on intensive care unit mortality. Intensive Care Med 2009; 35(5):826-32
    Wolkewitz M, Beyersmann J, Gastmeier P, Schumacher M
  • On pseudo-values for regression analysis in competing risks models. Lifetime Data Anal 2009; 15(2):241-55
    Graw F, Gerds TA, Schumacher M
  • Simulating competing risks data in survival analysis. Statist. Med. 2009; 28(6):956-71
    Beyersmann J, Latouche A, Buchholz A, Schumacher M
  • A note on variance estimation of the aalen-johansen estimator of the cumulative incidence function in competing risks, with a view towards left-truncated data. Biom J 2010; 52:126-137
    Allignol A, Schumacher M, Beyersmann J
  • Incidence densities in a competing events analysis. Am J Epidemiol 2010; 172(9): 1077-84
    Grambauer N, Schumacher M, Dettenkofer M, Beyersmann J
  • Proportional subdistribution hazards modeling offers a summary analysis, even if misspecified. Statist. Med. 2010; 29(7/8):875-884
    Grambauer N, Schumacher M, Beyersmann J
  • Simulating and analysing infectious disease data in a heterogeneous population with migration. Computer Methods and Programs in Biomedicine 2010
    Wolkewitz M, Schumacher M
  • Two Pitfalls in Survival Analyses of Time-Dependent Exposure: A Case Study in a Cohort of Oscar Nominees. Am Stat 2010; 64(3):205-211
    Wolkewitz M, Allignol A, Schumacher M, Beyersmann J
  • Application of multistate models in hospital epidemiology: Advances and challenges. Biom J 2011; 53(2):332-50
    Beyersmann J, Wolkewitz M, Allignol A, Grambauer N, Schumacher M
  • Clinical outcomes of health-care-associated infections and antimicrobial resistance in patients admitted to european intensive-care units: a cohort study. Lancet Infect Dis 2011; 11(1):30-8
    Lambert ML, Suetens C, Savey A, Palomar M, Hiesmayr M, Morales I, Agodi A, Frank U, Mertens K, Schumacher M, et al.
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung