Zusammenfassung
Wenn das Eintreten in klinisch gut definierte Zustände einer chronischen Erkrankung zeitlich eindeutig bestimmt werden kann, darf ein individueller Krankheitsverlauf als Realisierung eines stochastischen Prozesses X in stetiger Zeit gedeutet werden. Bei einer progredienten Erkrankung wird jeder Zustand höchstens einmal angenommen. Dies gilt auch für potentiell rekurrente Zustände, wenn erstes, zweites, usw. Auftreten in der Zustandsmenge von X getrennt berücksichtigt werden. Transiente Zustände können eine erste progrediente Phase, die erste Remission, das erste Rezidiv, die zweite Remission, usw. sein. Absorbierende Zustände wären dann Tod vor Remission, während des ersten Rezidivs, usw. Allgemein bezeichnet man Zustände, die nicht mehrfach verlassen und angenommen werden können, als hierarchisch angeordnet.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
Aalen, O. (1978): Nonparametric inference for a family of counting processes. Ann. Statist. 6, 701–726.
Aalen, O., Hoem, J.M. (1978): Random time changes for multivariate counting processes. Scand. Actuarial J., 81–101.
Andersen, P.K., Gill, R.D. (1982): Cox’s regression model for counting processes. Ann. Statist. 10, 1100–1120.
Cox, D.R. (1972): Regression models and life tables (with discussion). J. Roy. Statist. Soc. Ser. B 34, 187–220.
Crowley, J., Hu, M. (1977): Covariance analysis of heart transplant survival data. J. Amer. Statist. Assoc. 72, 27–36.
Dellacherie, C., Meyer, P.-A. (1982): Probabilities and Potentials B. Theory of Martingales. North-Holland, Amsterdam.
Gill, R.D. (1980): Nonparametric estimation based on censored observations of a Markov renewal process. Z. Wahrscheinlichkeitstheorie verw. Gebiete 53, 97–116.
Mau, J. (1983a): Regressionsmodelle bei der statistischen Analyse zeitlich inhomogener Markov-Ketten. In: Methoden der Statistik und Informatik in Epidemiologie und Diagnostik. 27. Jahrestagung der GMDS, 27.29. September 1982, Hamburg. Proceedings. Hrsg. v. J. Berger, K.H. Höhne. Springer-Verlag, Berlin Heidelberg New York Tokyo, 71–77.
Mau, J. (1983b): Time-dependent Markov illness-death processes with covariates. Tech. Rpt. 3/83, Institut für Medizinische Biometrie, Universität Tübingen.
Mau, J. (1984): Nichtparametrische Analyse von Zählprozessen. Beiträge zur Auswertung klinischer und tierexperimenteller Langzeitstudien. Habilitationsschrift. Medizinische Fakultät (Theoretische Medizin)der Eberhard-Karls-Universität zu Tübingen.
Prentice, R.L., Williams, B.J., Peterson, A.V. (1981): On the regression analysis of multivariate failure time data. Biometrika 68, 373–379.
Voelkel, J.G., Crowley, J. (1984): Nonparametric inference for a class of semi-Markov processes with censored observations. Ann. Statist. 12, 142–160.
Wu, S.-C. (1982): A semi-Markov model for survival data with covariates. Mathematical Biosciences 60, 197–206.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1985 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Mau, J. (1985). Zur Statistischen Analyse von Semi-Markov-Prozessen als Modellen Progredienter Chronischer Krankheitsverläufe. In: Abt, K., Giere, W., Leiber, B. (eds) Krankendaten Krankheitsregister Datenschutz. Medizinische Informatik und Statistik, vol 58. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-52114-0_10
Download citation
DOI: https://doi.org/10.1007/978-3-642-52114-0_10
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-15639-0
Online ISBN: 978-3-642-52114-0
eBook Packages: Springer Book Archive