Fortgeschrittene Methoden zur Modellierung von diskreten Ereigniszeiten

Abstract

In longitudinalen klinischen Studien wird eine bestimmte Gruppe von Patienten/Patientinnen, die spezifische Einschlusskriterien erfüllt, über einen vorgegebenen Zeitraum hinweg beobachtet. Neben der Bestimmung von klinischen Variablen (z.B. der Funktion von Organen) und Laborparametern (z.B. Cholesterinwerten) wird in vielen Studien erfasst ob, und, wenn ja, wann ein bestimmtes Ereignis aufgetreten ist. Die statistische Analyse der Zeit bis zum Eintreten dieses interessierenden Ereignisses bezeichnet man als Ereigniszeit- oder Überlebenszeitanalyse. Klassische Beispiele in klinischen Studien sind die Zeit bis zum Tod und das Auftreten, Fortschreiten oder der Rückfall einer Krankheit. In dieser Arbeit werden neuartige Methoden der Ereigniszeitanalyse vorgestellt, die auf den Fall zugeschnitten sind, dass die Ereigniszeiten auf einer diskreten Skala gemessen wurden. Aufbauend auf den grundlegenden Methoden der Arbeit von Tutz und Schmid (2016) wird in dieser Arbeit ein erweitertes Instrumentarium für die Analyse diskreter Ereigniszeiten entwickelt, das eine breite Anwendbarkeit sowohl in der klinischen Forschung als auch in anderen Bereichen der angewandten Forschung ermöglicht. Ziel ist es dabei immer, ein Regressionsmodell aufzustellen, das die Beziehung zwischen der Ereigniszeit und einer Menge erklärender Variablen beschreibt, und damit zusätzlich relevante Risikofaktoren für das Auftreten des interessierenden Ereignisses zu identifizieren. Solche Vorhersagemodelle stellen ein unverzichtbares Instrument für die klinische Entscheidungsfindung dar und leisten einen wichtigen Beitrag für den Einsatz von individuellen Behandlungs- und Therapiestrategien.