gms | German Medical Science

In Datenbanken wie der QiN Datenbank des KfH werden Patientendaten stetig über die Zeit gesammelt. Es besteht ein Wunsch diese Daten zu analysieren und in der Folge einlaufende Daten in die Analyse mit einzubeziehen. Eine Möglichkeit stellen sequentielle Bayes Verfahren dar. Dazu wird mit einem MCMC Verfahren ein Cox Modell für das Überleben der Dialysepatienten erstellt und die Größe der Einflüsse sowie deren Varianz geschätzt. In einem zweiten Schritt werden neu erhobene Daten hinzugezogen. Mit Hilfe der a posteriori Verteilung des ersten Schrittes werden geeignete a priori Verteilungen für einen zweiten Schritt generiert. Die a posteriori Verteilung des zweiten Schrittes wird daraufhin mit der a priori Verteilung des ersten Schrittes verglichen. Zur Illustration wird außerdem ein Ein Schritt Verfahren angewandt, das mit allen Daten arbeitet. Der Vergleich der Schritte im sequentiellen Bayes Verfahren zeigt nur geringe Abweichungen bei der geschätzten Größe der Einflüsse aber eine abnehmende Varianz der Schätzer. Der Vergleich mit dem Ein Schritt Verfahren zeigt, dass die Verfahren ähnliche Schätzer liefern.