Valkosolupitoisuuksien bayesilainen mallintaminen lasten leukemian ylläpitohoidossa
Lasten akuutin lymfoblastileukemian ylläpitovaiheen hoidossa tehtävät lääkeannostuspäätökset pohjataan nykyisin potilaan veren valkosolupitoisuuteen, joka on hoidon tehokkuudesta kertova tekijä. Potilaalle sopiva lääkeannostus on hoidon onnistumisen ja turvallisuuden kannalta tärkeä, mutta sen löytäminen on vaikeaa, sillä annettu lääkitys näkyy
valkosolupitoisuudessa viiveellä, ja potilaiden elimistön reagointi lääkitykseen on yksilöllistä. Sopivan lääkeannostuksen löytämistä hankaloittavat myös hoidonaikaiset tulehdukset, jotka voivat muuttaa valkosolupitoisuutta hetkellisesti.
Työ käsittelee akuuttiin lymfoblastileukemiaan sairastuneiden suomalaisten potilaiden veren valkosolupitoisuuden mallintamista kahdella bayesilaisella mallilla, differentiaaliyhtälömallilla sekä epälineaarisella tila-avaruusmallilla, jotka pohjautuvat kirjallisuudessa esitettyihin malleihin. Työssä esitellään ja laajennetaan kirjallisuudessa ehdotettuja
malleja. Mallien estimointi tehdään suomalaisista potilaista koostuvaa aikasarja-aineistoa hyödyntäen. Tila-avaruusmalleja sekä potilaan tulehdusarvoa hyödynnetään ensimmäistä kertaa ilmiön mallintamisessa. Potilaan hoidonaikainen tulehdusarvo havaitaan hyödylliseksi muuttujaksi valkosolupitoisuuteen liittyvän epävarmuuden mallintamisessa.
...
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [29739]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Prediction of leukocyte counts during paediatric acute lymphoblastic leukaemia maintenance therapy
Karppinen, Santeri; Lohi, Olli; Vihola, Matti (Nature Publishing Group, 2019)Maintenance chemotherapy with oral 6-mercaptopurine and methotrexate remains a cornerstone of modern therapy for acute lymphoblastic leukaemia. The dosage and intensity of therapy are based on surrogate markers such as ... -
bssm: Bayesian Inference of Non-linear and Non-Gaussian State Space Models in R
Helske, Jouni; Vihola, Matti (R Foundation for Statistical Computing, 2021)We present an R package bssm for Bayesian non-linear/non-Gaussian state space modelling. Unlike the existing packages, bssm allows for easy-to-use approximate inference based on Gaussian approximations such as the Laplace ... -
A Bayesian Reconstruction of a Historical Population in Finland, 1647–1850
Voutilainen, Miikka; Helske, Jouni; Högmander, Harri (Springer, 2020)This article provides a novel method for estimating historical population development. We review the previous literature on historical population time-series estimates and propose a general outline to address the well-known ... -
Importance sampling type estimators based on approximate marginal Markov chain Monte Carlo
Vihola, Matti; Helske, Jouni; Franks, Jordan (Wiley-Blackwell, 2020)We consider importance sampling (IS) type weighted estimators based on Markov chain Monte Carlo (MCMC) targeting an approximate marginal of the target distribution. In the context of Bayesian latent variable models, the ... -
Efficient Bayesian generalized linear models with time-varying coefficients : The walker package in R
Helske, Jouni (Elsevier BV, 2022)The R package walker extends standard Bayesian general linear models to the case where the effects of the explanatory variables can vary in time. This allows, for example, to model the effects of interventions such as ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.