تحليل پيشامدهاي بازگشتي با استفاده از مدل شكنندگي وابسته به زمان

داده های بازگشتی یكی از انواع مهم داده های بقا هستند كه ویژگی عمده آنها همبستگی بین مشاهدات است. این ویژگی استفاده از مدل های بقا مانند رگرسیون كاكس كه در آنها مستقل بودن مشاهدات یكی از فرضیات اصلی مدل است را ناممكن می سازد. مدل های شكنندگی یكی از رویكردهای عمده برای تحلیل داده های بازگشتی هستند. در این مدل ها یك متغیر شكنندگی ثابت به عنوان اثر خصوصیات فردی یا نماینده همه عواملی كه سبب وابستگی بین مشاهدات می شوند به صورت ضربی وارد تابع خطر می شود. در مقاله حاضر یك مدل شكنندگی با اثر تصادفی وابسته به زمان بر مبنای مدل های خطر نیمه پارامتری كاكس و با مولفه های شكنندگی كه دارای فرآیند گامای تكه ای هستند معرفی شده و كارآیی آن در یك مطالعه شبیه سازی با یك مدل شكنندگی گاما با اثرات ثابت مقایسه گردیده است.