{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5410107"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5410107","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Δημιουργία στατιστικού πακέτου στην R που θα πραγματοποιεί G-estimation με διπλή έκθεση","abstract":"Η παρούσα διπλωματική εργασία εξετάζει την εκτίμηση αιτιακών επιδράσεων σε διαχρονικά (longitudinal) δεδομένα παρατήρησης, παρουσία χρονικά μεταβαλλόμενων συγχυτικών παραγόντων, δίνοντας έμφαση στα Structural Nested Failure Time Models (SNFTM) καθώς επίσης και στη μέθοδο G-estimation όταν η έκθεση (exposure) είναι διπλή. Στην περίπτωσή μας οι εκθέσεις είναι (α) διαθεσιμότητα προγράμματος σε επίπεδο κλινικής και (β) ένταξη ασθενούς στο πρόγραμμα. Αφετηρία αποτελεί η εφαρμογή του προγράμματος Low-Risk Express Care (LREC), όπου η υπόθεση επικάλυψης (positivity) παραβιάζεται εκ των πραγμάτων, καθώς η ένταξη ασθενούς στο πρόγραμμα δεν είναι δυνατή πριν από τη διαθεσιμότητά του ή όταν δεν πληρούνται τα κριτήρια επιλεξιμότητας. Το θεωρητικό μέρος της εργασίας βασίζεται στο πλαίσιο των αντιπαραθετικών εκβάσεων και παρουσιάζει τις βασικές υποθέσεις για την ταυτοποίηση αιτιακών επιδράσεων, και συγκεκριμένα τη συνέπεια (consistency), τη διαδοχική ανταλλαξιμότητα (sequential exchangeability) και την positivity υπό περιορισμούς εφικτότητας. Επιπλέον, αναδεικνύεται η σύνδεση των SNFTM με την ερμηνεία των μοντέλων επιταχυνόμενου χρόνου αποτυχίας (accelerated failure time). Στο υπολογιστικό μέρος αναπτύσσεται πρόγραμμα στο στατιστικό πακέτο της R που πραγματοποιεί G-estimation με δύο exposures ψ1 και ψ2. Η εκτίμηση βασίζεται στον υπολογισμό του λεγόμενου διορθωμένου ως προς την έκθεση (blipped-down) χρόνου, στην προσαρμογή μοντέλου πολυωνυμικής λογιστικής παλινδρόμησης (multinomial logistic regression), καθώς και σε διδιάστατη αναζήτηση (2D grid search) που στη συνέχεια βελτιστοποιείται μέσω προσαρμοσμένης αναζήτησης. Ιδιαίτερη έμφαση δίνεται στη φιλοσοφία ανάπτυξης της μεθόδου, όπου αρχικά επιδιώκεται η πιστή αναπαραγωγή της λογικής του LREC ως άρθρου αναφοράς, και κατόπιν η ανάπτυξη μιας εναλλακτικής και ταχύτερης υπολογιστικής διαδικασίας αναζήτησης. Η βελτιστοποίηση αυτή πραγματοποιείται χωρίς να μεταβάλλεται η παράμετρος αιτιακού ενδιαφέροντος (estimand) ή ο στόχος της στατιστικής συμπερασματολογίας.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει την εκτίμηση αιτιακών επιδράσεων σε διαχρονικά (longitudinal) δεδομένα παρατήρησης, παρουσία χρονικά μεταβαλλόμενων συγχυτικών παραγόντων, δίνοντας έμφαση στα Structural Nested Failure Time Models (SNFTM) καθώς επίσης και στη μέθοδο G-estimation όταν η έκθεση (exposure) είναι διπλή. Στην περίπτωσή μας οι εκθέσεις είναι (α) διαθεσιμότητα προγράμματος σε επίπεδο κλινικής και (β) ένταξη ασθενούς στο πρόγραμμα. Αφετηρία αποτελεί η εφαρμογή του προγράμματος Low-Risk Express Care (LREC), όπου η υπόθεση επικάλυψης (positivity) παραβιάζεται εκ των πραγμάτων, καθώς η ένταξη ασθενούς στο πρόγραμμα δεν είναι δυνατή πριν από τη διαθεσιμότητά του ή όταν δεν πληρούνται τα κριτήρια επιλεξιμότητας. Το θεωρητικό μέρος της εργασίας βασίζεται στο πλαίσιο των αντιπαραθετικών εκβάσεων και παρουσιάζει τις βασικές υποθέσεις για την ταυτοποίηση αιτιακών επιδράσεων, και συγκεκριμένα τη συνέπεια (consistency), τη διαδοχική ανταλλαξιμότητα (sequential exchangeability) και την positivity υπό περιορισμούς εφικτότητας. Επιπλέον, αναδεικνύεται η σύνδεση των SNFTM με την ερμηνεία των μοντέλων επιταχυνόμενου χρόνου αποτυχίας (accelerated failure time). Στο υπολογιστικό μέρος αναπτύσσεται πρόγραμμα στο στατιστικό πακέτο της R που πραγματοποιεί G-estimation με δύο exposures ψ1 και ψ2. Η εκτίμηση βασίζεται στον υπολογισμό του λεγόμενου διορθωμένου ως προς την έκθεση (blipped-down) χρόνου, στην προσαρμογή μοντέλου πολυωνυμικής λογιστικής παλινδρόμησης (multinomial logistic regression), καθώς και σε διδιάστατη αναζήτηση (2D grid search) που στη συνέχεια βελτιστοποιείται μέσω προσαρμοσμένης αναζήτησης. Ιδιαίτερη έμφαση δίνεται στη φιλοσοφία ανάπτυξης της μεθόδου, όπου αρχικά επιδιώκεται η πιστή αναπαραγωγή της λογικής του LREC ως άρθρου αναφοράς, και κατόπιν η ανάπτυξη μιας εναλλακτικής και ταχύτερης υπολογιστικής διαδικασίας αναζήτησης. Η βελτιστοποίηση αυτή πραγματοποιείται χωρίς να μεταβάλλεται η παράμετρος αιτιακού ενδιαφέροντος (estimand) ή ο στόχος της στατιστικής συμπερασματολογίας.","abstract_has_math":false,"creators":["Γρατσίας Δημήτριος","Gratsias Dimitrios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:02:34Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5410107"],"render_values":[{"text":"uoadl:5410107","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5410107","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Γρατσίας Δημήτριος","Gratsias Dimitrios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5410107","https://pergamos.lib.uoa.gr/uoa/dl/object/5410107"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει την εκτίμηση αιτιακών επιδράσεων σε διαχρονικά (longitudinal) δεδομένα παρατήρησης, παρουσία χρονικά μεταβαλλόμενων συγχυτικών παραγόντων, δίνοντας έμφαση στα Structural Nested Failure Time Models (SNFTM) καθώς επίσης και στη μέθοδο G-estimation όταν η έκθεση (exposure) είναι διπλή. Στην περίπτωσή μας οι εκθέσεις είναι (α) διαθεσιμότητα προγράμματος σε επίπεδο κλινικής και (β) ένταξη ασθενούς στο πρόγραμμα. Αφετηρία αποτελεί η εφαρμογή του προγράμματος Low-Risk Express Care (LREC), όπου η υπόθεση επικάλυψης (positivity) παραβιάζεται εκ των πραγμάτων, καθώς η ένταξη ασθενούς στο πρόγραμμα δεν είναι δυνατή πριν από τη διαθεσιμότητά του ή όταν δεν πληρούνται τα κριτήρια επιλεξιμότητας. Το θεωρητικό μέρος της εργασίας βασίζεται στο πλαίσιο των αντιπαραθετικών εκβάσεων και παρουσιάζει τις βασικές υποθέσεις για την ταυτοποίηση αιτιακών επιδράσεων, και συγκεκριμένα τη συνέπεια (consistency), τη διαδοχική ανταλλαξιμότητα (sequential exchangeability) και την positivity υπό περιορισμούς εφικτότητας. Επιπλέον, αναδεικνύεται η σύνδεση των SNFTM με την ερμηνεία των μοντέλων επιταχυνόμενου χρόνου αποτυχίας (accelerated failure time). Στο υπολογιστικό μέρος αναπτύσσεται πρόγραμμα στο στατιστικό πακέτο της R που πραγματοποιεί G-estimation με δύο exposures ψ1 και ψ2. Η εκτίμηση βασίζεται στον υπολογισμό του λεγόμενου διορθωμένου ως προς την έκθεση (blipped-down) χρόνου, στην προσαρμογή μοντέλου πολυωνυμικής λογιστικής παλινδρόμησης (multinomial logistic regression), καθώς και σε διδιάστατη αναζήτηση (2D grid search) που στη συνέχεια βελτιστοποιείται μέσω προσαρμοσμένης αναζήτησης. Ιδιαίτερη έμφαση δίνεται στη φιλοσοφία ανάπτυξης της μεθόδου, όπου αρχικά επιδιώκεται η πιστή αναπαραγωγή της λογικής του LREC ως άρθρου αναφοράς, και κατόπιν η ανάπτυξη μιας εναλλακτικής και ταχύτερης υπολογιστικής διαδικασίας αναζήτησης. Η βελτιστοποίηση αυτή πραγματοποιείται χωρίς να μεταβάλλεται η παράμετρος αιτιακού ενδιαφέροντος (estimand) ή ο στόχος της στατιστικής συμπερασματολογίας.","This dissertation examines the estimation of causal effects in longitudinal observational data in the presence of time-varying confounding, with emphasis on Structural Nested Failure Time Models (SNFTMs) and on double exposure G-estimation. In the present setting, the two exposures are (a) programme availability at the clinic level and (b) patient enrolment in the programme. The motivating application is the Low-Risk Express Care (LREC) programme, where the positivity assumption is structurally challenged, since patient enrolment is not possible before programme availability or when the eligibility criteria are not satisfied. The theoretical part of the thesis is based on the counterfactual outcomes framework and presents the main assumptions required for the identification of causal effects, namely consistency, sequential exchangeability and positivity under feasibility restrictions. In addition, the connection between SNFTMs and the interpretation of accelerated failure time (AFT) models is discussed. In the computational part, an implementation is developed in the statistical programming environment R for performing G-estimation with two exposures ψ1 & ψ2. The estimation is based on the calculation of the exposure-adjusted, or blipped-down, time, the fitting of a multinomial logistic regression model, and a two-dimensional grid search that is subsequently improved through an adaptive search strategy. Particular emphasis is placed on the development philosophy of the method: first, the aim is to reproduce as faithfully as possible the logic of the LREC reference study, and subsequently to develop an alternative and faster computational search procedure. This optimization is performed without changing the causal estimand or the target of the statistical inference."]},{"key":"dc:title","label":"Title","values":["Δημιουργία στατιστικού πακέτου στην R που θα πραγματοποιεί G-estimation με διπλή έκθεση"]}]}],"canonical_facts":{"dc:creator":["Γρατσίας Δημήτριος","Gratsias Dimitrios"],"dc:date":["2026"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει την εκτίμηση αιτιακών επιδράσεων σε διαχρονικά (longitudinal) δεδομένα παρατήρησης, παρουσία χρονικά μεταβαλλόμενων συγχυτικών παραγόντων, δίνοντας έμφαση στα Structural Nested Failure Time Models (SNFTM) καθώς επίσης και στη μέθοδο G-estimation όταν η έκθεση (exposure) είναι διπλή. Στην περίπτωσή μας οι εκθέσεις είναι (α) διαθεσιμότητα προγράμματος σε επίπεδο κλινικής και (β) ένταξη ασθενούς στο πρόγραμμα. Αφετηρία αποτελεί η εφαρμογή του προγράμματος Low-Risk Express Care (LREC), όπου η υπόθεση επικάλυψης (positivity) παραβιάζεται εκ των πραγμάτων, καθώς η ένταξη ασθενούς στο πρόγραμμα δεν είναι δυνατή πριν από τη διαθεσιμότητά του ή όταν δεν πληρούνται τα κριτήρια επιλεξιμότητας. Το θεωρητικό μέρος της εργασίας βασίζεται στο πλαίσιο των αντιπαραθετικών εκβάσεων και παρουσιάζει τις βασικές υποθέσεις για την ταυτοποίηση αιτιακών επιδράσεων, και συγκεκριμένα τη συνέπεια (consistency), τη διαδοχική ανταλλαξιμότητα (sequential exchangeability) και την positivity υπό περιορισμούς εφικτότητας. Επιπλέον, αναδεικνύεται η σύνδεση των SNFTM με την ερμηνεία των μοντέλων επιταχυνόμενου χρόνου αποτυχίας (accelerated failure time). Στο υπολογιστικό μέρος αναπτύσσεται πρόγραμμα στο στατιστικό πακέτο της R που πραγματοποιεί G-estimation με δύο exposures ψ1 και ψ2. Η εκτίμηση βασίζεται στον υπολογισμό του λεγόμενου διορθωμένου ως προς την έκθεση (blipped-down) χρόνου, στην προσαρμογή μοντέλου πολυωνυμικής λογιστικής παλινδρόμησης (multinomial logistic regression), καθώς και σε διδιάστατη αναζήτηση (2D grid search) που στη συνέχεια βελτιστοποιείται μέσω προσαρμοσμένης αναζήτησης. Ιδιαίτερη έμφαση δίνεται στη φιλοσοφία ανάπτυξης της μεθόδου, όπου αρχικά επιδιώκεται η πιστή αναπαραγωγή της λογικής του LREC ως άρθρου αναφοράς, και κατόπιν η ανάπτυξη μιας εναλλακτικής και ταχύτερης υπολογιστικής διαδικασίας αναζήτησης. Η βελτιστοποίηση αυτή πραγματοποιείται χωρίς να μεταβάλλεται η παράμετρος αιτιακού ενδιαφέροντος (estimand) ή ο στόχος της στατιστικής συμπερασματολογίας.","This dissertation examines the estimation of causal effects in longitudinal observational data in the presence of time-varying confounding, with emphasis on Structural Nested Failure Time Models (SNFTMs) and on double exposure G-estimation. In the present setting, the two exposures are (a) programme availability at the clinic level and (b) patient enrolment in the programme. The motivating application is the Low-Risk Express Care (LREC) programme, where the positivity assumption is structurally challenged, since patient enrolment is not possible before programme availability or when the eligibility criteria are not satisfied. The theoretical part of the thesis is based on the counterfactual outcomes framework and presents the main assumptions required for the identification of causal effects, namely consistency, sequential exchangeability and positivity under feasibility restrictions. In addition, the connection between SNFTMs and the interpretation of accelerated failure time (AFT) models is discussed. In the computational part, an implementation is developed in the statistical programming environment R for performing G-estimation with two exposures ψ1 & ψ2. The estimation is based on the calculation of the exposure-adjusted, or blipped-down, time, the fitting of a multinomial logistic regression model, and a two-dimensional grid search that is subsequently improved through an adaptive search strategy. Particular emphasis is placed on the development philosophy of the method: first, the aim is to reproduce as faithfully as possible the logic of the LREC reference study, and subsequently to develop an alternative and faster computational search procedure. This optimization is performed without changing the causal estimand or the target of the statistical inference."],"dc:identifier":["uoadl:5410107","https://pergamos.lib.uoa.gr/uoa/dl/object/5410107"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Δημιουργία στατιστικού πακέτου στην R που θα πραγματοποιεί G-estimation με διπλή έκθεση"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:02:34Z"}