Kurzbeschreibung Parallelisierte Algorithmen auf Hochleistungsrechnern ermöglichen in letzter Zeit Simulationen mit immer mehr Variablen und haben zur Entwicklung neuer, aussagekräftiger Hilfsmittel der medizinischen Statistik und Entscheidungsfindung beigetragen. Ausgehend von einem interdisziplinärern Ansatz, konzentriert sich der Autor in erster Linie auf Bayes-Verfahren und deren Anwendung in der Medizin. Fallstudien illustrieren die Ansätze (vor allem Bayes- und Markov-Monte-Carlo-Methoden) und deren Implementation in Computerprogramme. Mit zahlreichen Fallstudien, die nicht nur für die medizinische Entscheidungsfindung relevant und interessant sind.
Aus dem Inhalt Preface.
PART I: METHODS.
1. Inference.
Summary.
Medical Diagnosis.
Genetic Counseling.
Estimating sensitivity and specificity.
Chronic disease modeling.
2. Decision making.
Summary.
Foundations of expected utility theory.
Measuring the value of avoiding a major stroke.
Decision making in health care.
Cost-effectiveness analyses in the SPPM.
Statistical decision problems.
3. Simulation.
Summary.
Inference via simulation.
Prediction and expected utility via simulation.
Sensitivity analysis via simulation.
Searching for strategies via simulation.
Part II: CASE STUDIES.
4. Meta-analysis.
Summary.
Meta-analysis.
Bayesian meta-analysis.
Tamoxifen in early breast cancer.
Combined studies with continuous and dichotomous responses.
Migraine headache.
5. Decision trees.
Summary.
Axillary lymph node dissection in early breast cancer.
