Bedømmelseskomité
1. opponent: Postdoktor Elisabeth Wreford Andersen, Københavns Universitet, Danmark
2. opponent : Forskningsleder Stein Atle Lie, Uni Helse, Bergen
3. medlem av bedømmelseskomitéen: Førsteamanuensis Ingrid K. Glad, Matematisk institutt, Universitetet i Oslo
Leder av disputas: Disputasleder: Professor Torbjørn Moum, Institutt for medisinske basalfag, Universitetet i Oslo
Veileder: Førsteamanuensis Tron A. Moger, Institutt for helse og samfunn, Universitetet i Oslo
Sammendrag
M.Sc. Marion Haugen og medarbeidere har studert nye metoder for å forklare variasjon i individuell risiko for nasofarynkskreft (kreft i overgangen mellom nese og svelg) og komplekse avhengighetsstrukturer i familiedata. Metoden for familiedata er anvendt på føflekkreft. Tid til oppsigelse av bilforsikringer med samme eier er analysert med en eksisterende metode fra forløpsanalyse som tar hensyn til eventuell avhengighet.
I forløpsanalyse inkluderes variabler slik som f.eks. kjønn og alder for å undersøke deres effekt og for å modellere ulik risiko for individer (observert heterogenitet). I medisinske studier kan økonomiske årsaker gjøre det umulig å måle alle relevante variabler. Dersom variabler utelates eller er ukjente kan dette resultere i at noen individer har høyere risiko enn andre (uobservert heterogenitet). Risikoen kan også variere mellom grupper, f.eks. viser flere sykdommer en overopphopning av tilfeller innen familier. Ved analyse av slike data brukes gjerne metoder som gir avhengighet i tid til hendelse.
For visse populasjoner har de observerte aldersspesifikke insidensrater for nasofarynkskreft én liten topp i de sene tenårene og én topp rundt pensjonsalder. En bimodal modell gir signifikant bedre tilpasning til dataene enn en modell med kun én topp. For føflekkreft kan man for hvert individ tenke seg tre nivåer av avhengighet: individuelt miljø, genetikk og felles miljø. Den nye metoden gir nivåenes bidrag til variasjonen i familiær risiko. Forsikringskunder reagerer ulikt på prisendringer, noen er mindre lojale enn andre. Observerbare variabler kan ikke forklare hele denne variasjonen. Den anvendte metoden gir ulik risiko for kunder, men lik risiko for biler til en kunde.
Modellering av ulik risiko innen populasjoner er ofte nødvendig for å få riktig fortolkning av resultater fra forløpsanalyse. De anvendte metodene har vist seg nyttige til dette.
Kontaktperson
For mer informasjon, kontakt Kari-Anne Bjørnerud.