An Application of Gamma Generalized Linear Model for Estimation of Survival Function of Diabetic Nephropathy Patients
Notice bibliographique
Résumé
Diabetic nephropathy (DN) is a generic term referring to deleterious effect on renal structure and/or function caused by diabetes mellitus. World Health Organization estimates that diabetes affects more than 170 million people worldwide and this number may rise to 370 million by 2030. The rate of rise in Serum Creatinine (SrCr) is a well-accepted marker for the progression of Diabetic Nephropathy (DN). In this paper, survival functions of type 2 diabetic patients with renal complication are estimated. Firstly, most appropriate distribution for duration of diabetes is selected through minimum Akaike Information Criterion value, Gamma distribution is found to be an appropriate model. Secondly, the parameters estimates of the selected distribution are obtained by fitting a Generalized Linear Model (GLM), with duration of diabetes as the response variable and predictors as SrCr and number of successes (number of times SrCr values exceed its normal range (1.4 mg/dl)). These covariates are linked with the response variable using two different link functions namely log and reciprocal links. Using the estimates of parameters obtained from generalized linear regression analysis, survival functions for different durations under both the links are estimated. Further we compared the estimated survival functions under both the links with Kaplan Meier (KM) estimates graphically. Findings suggested that the Kaplan Meier estimate and Gamma distribution under both links provided a close estimate of survival functions. Median survival time is 16.3 years and 16.8 years obtained from KM method and Gamma GLM respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».