A new probabilistic approach: Model, theory, properties with an application in the medical sector
Creators
- 1. Saudi Electronic University
- 2. Sultan Qaboos University
- 3. Imam Mohammad ibn Saud Islamic University
- 4. Benha University
- 5. University of Tabuk
- 6. Beni-Suef University
- 7. Umm al-Qura University
- 8. Prince Sattam Bin Abdulaziz University
- 9. University of Business and Technology
- 10. Jazan University
Description
In recent years, the modeling of time-to-events has emerged as a highly promising and dynamic research area. This field has witnessed a surge of research studies dedicated to developing novel statistical methodologies aimed at effectively handling time-to-event phenomena. These studies are motivated by the increasing recognition of the importance of time-related factors in various fields such as medicine, epidemiology, finance, and engineering. Researchers have been actively engaged in proposing innovative approaches to address the complexities associated with time-to-event data. The overarching goal is to enhance our understanding of event occurrence and duration, enabling more accurate predictions and informed decision-making. This research encompasses a wide range of topics, including survival analysis, reliability modeling, and event prediction. The motivation behind these research efforts stems from the need to overcome traditional limitations in time-to-event analysis and to explore new avenues for modeling and interpretation. By introducing advanced statistical techniques, researchers seek to capture the intricate dynamics of event processes, considering factors such as censoring, competing risks, and time-varying covariates. The proliferation of research studies in this domain reflects a collective effort to push the boundaries of statistical modeling and analysis, paving the way for more comprehensive and robust methodologies. As researchers continue to delve deeper into the intricacies of time-to-event data, the impact of these advancements extends to diverse applications, ultimately fostering innovation and progress across interdisciplinary fields. This paper adopts and implements a new statistical approach to propose a family of flexible distributions, namely, a new generalized-O family of distributions. For the newly obtained family, certain mathematical properties such as identifiability, quantile function, rth non-central moment, Lorenz curve, incomplete moments, and the expression of the Bonferroni curve are obtained. Furthermore, an extension of the Weibull model is introduced using the newly developed approach, namely, a new generalized Weibull model. The parameters of the new generalized version of the Weibull model are estimated by adopting a well-known estimation approach. Finally, a data set consists of sixty (60) observations representing the times of the survival of some patients infected by the COVID-19 epidemic is analyzed to illustrate the new generalized Weibull model.
Translated Descriptions
Translated Description (Arabic)
في السنوات الأخيرة، برزت نمذجة الوقت حتى الأحداث كمجال بحث واعد وديناميكي للغاية. شهد هذا المجال طفرة في الدراسات البحثية المخصصة لتطوير منهجيات إحصائية جديدة تهدف إلى التعامل بفعالية مع الظواهر الزمنية للحدث. هذه الدراسات مدفوعة بالاعتراف المتزايد بأهمية العوامل المرتبطة بالوقت في مختلف المجالات مثل الطب وعلم الأوبئة والتمويل والهندسة. شارك الباحثون بنشاط في اقتراح مناهج مبتكرة لمعالجة التعقيدات المرتبطة بالبيانات من وقت لآخر. الهدف الشامل هو تعزيز فهمنا لوقوع الحدث ومدته، مما يتيح تنبؤات أكثر دقة واتخاذ قرارات مستنيرة. يشمل هذا البحث مجموعة واسعة من الموضوعات، بما في ذلك تحليل البقاء على قيد الحياة، ونمذجة الموثوقية، والتنبؤ بالأحداث. ينبع الدافع وراء هذه الجهود البحثية من الحاجة إلى التغلب على القيود التقليدية في التحليل من وقت لآخر واستكشاف سبل جديدة للنمذجة والتفسير. من خلال تقديم تقنيات إحصائية متقدمة، يسعى الباحثون إلى التقاط الديناميكيات المعقدة لعمليات الحدث، مع الأخذ في الاعتبار عوامل مثل الرقابة والمخاطر المتنافسة والمتغيرات المشتركة المتغيرة بمرور الوقت. يعكس انتشار الدراسات البحثية في هذا المجال جهدًا جماعيًا لدفع حدود النمذجة والتحليل الإحصائي، مما يمهد الطريق لمنهجيات أكثر شمولية وقوة. مع استمرار الباحثين في التعمق في تعقيدات البيانات من وقت لآخر، يمتد تأثير هذه التطورات إلى تطبيقات متنوعة، مما يعزز في النهاية الابتكار والتقدم عبر المجالات متعددة التخصصات. تتبنى هذه الورقة وتنفذ نهجًا إحصائيًا جديدًا لاقتراح عائلة من التوزيعات المرنة، وهي عائلة جديدة من التوزيعات المعممة. بالنسبة للعائلة التي تم الحصول عليها حديثًا، يتم الحصول على خصائص رياضية معينة مثل قابلية التحديد، والدالة الكمية، والعزم غير المركزي الثالث، ومنحنى لورينز، والعزم غير المكتمل، والتعبير عن منحنى بونفيروني. علاوة على ذلك، تم تقديم امتداد لنموذج Weibull باستخدام النهج المطور حديثًا، أي نموذج Weibull المعمم الجديد. يتم تقدير معلمات الإصدار المعمم الجديد من نموذج Weibull من خلال اعتماد نهج تقدير معروف. أخيرًا، تتكون مجموعة البيانات من ستين (60) ملاحظة تمثل أوقات بقاء بعض المرضى المصابين بوباء COVID -19 لتوضيح نموذج Weibull المعمم الجديد.Translated Description (French)
Ces dernières années, la modélisation du time-to-events est apparue comme un domaine de recherche très prometteur et dynamique. Ce domaine a connu une recrudescence des études de recherche dédiées au développement de nouvelles méthodologies statistiques visant à gérer efficacement les phénomènes de time-to-event. Ces études sont motivées par la reconnaissance croissante de l'importance des facteurs temporels dans divers domaines tels que la médecine, l'épidémiologie, la finance et l'ingénierie. Les chercheurs se sont activement engagés à proposer des approches innovantes pour répondre aux complexités associées aux données de temps avant l'événement. L'objectif principal est d'améliorer notre compréhension de l'occurrence et de la durée des événements, en permettant des prévisions plus précises et une prise de décision éclairée. Cette recherche englobe un large éventail de sujets, y compris l'analyse de survie, la modélisation de la fiabilité et la prédiction d'événements. La motivation derrière ces efforts de recherche découle de la nécessité de surmonter les limites traditionnelles de l'analyse du temps avant événement et d'explorer de nouvelles avenues de modélisation et d'interprétation. En introduisant des techniques statistiques avancées, les chercheurs cherchent à saisir la dynamique complexe des processus événementiels, en tenant compte de facteurs tels que la censure, les risques concurrents et les covariables variables dans le temps. La prolifération des études de recherche dans ce domaine reflète un effort collectif pour repousser les limites de la modélisation et de l'analyse statistiques, ouvrant la voie à des méthodologies plus complètes et plus robustes. Alors que les chercheurs continuent d'approfondir les subtilités des données du temps avant l'événement, l'impact de ces avancées s'étend à diverses applications, favorisant finalement l'innovation et le progrès dans tous les domaines interdisciplinaires. Cet article adopte et met en œuvre une nouvelle approche statistique pour proposer une famille de distributions flexibles, à savoir une nouvelle famille de distributions O généralisées. Pour la famille nouvellement obtenue, certaines propriétés mathématiques telles que l'identifiabilité, la fonction quantile, le rième moment non central, la courbe de Lorenz, les moments incomplets et l'expression de la courbe de Bonferroni sont obtenues. De plus, une extension du modèle de Weibull est introduite en utilisant l'approche nouvellement développée, à savoir un nouveau modèle de Weibull généralisé. Les paramètres de la nouvelle version généralisée du modèle de Weibull sont estimés en adoptant une approche d'estimation bien connue. Enfin, un ensemble de données constitué de soixante (60) observations représentant les temps de survie de certains patients infectés par l'épidémie de COVID-19 est analysé pour illustrer le nouveau modèle de Weibull généralisé.Translated Description (Spanish)
En los últimos años, el modelado de time-to-events se ha convertido en un área de investigación muy prometedora y dinámica. Este campo ha sido testigo de un aumento de estudios de investigación dedicados al desarrollo de nuevas metodologías estadísticas destinadas a manejar de manera efectiva los fenómenos de tiempo hasta el evento. Estos estudios están motivados por el creciente reconocimiento de la importancia de los factores relacionados con el tiempo en diversos campos como la medicina, la epidemiología, las finanzas y la ingeniería. Los investigadores han participado activamente en la propuesta de enfoques innovadores para abordar las complejidades asociadas con los datos de tiempo hasta el evento. El objetivo general es mejorar nuestra comprensión de la ocurrencia y duración de los eventos, permitiendo predicciones más precisas y una toma de decisiones informada. Esta investigación abarca una amplia gama de temas, incluidos el análisis de supervivencia, el modelado de confiabilidad y la predicción de eventos. La motivación detrás de estos esfuerzos de investigación se deriva de la necesidad de superar las limitaciones tradicionales en el análisis del tiempo hasta el evento y explorar nuevas vías para el modelado y la interpretación. Al introducir técnicas estadísticas avanzadas, los investigadores buscan capturar la intrincada dinámica de los procesos de eventos, considerando factores como la censura, los riesgos competitivos y las covariables variables en el tiempo. La proliferación de estudios de investigación en este ámbito refleja un esfuerzo colectivo para ampliar los límites de la modelización y el análisis estadístico, allanando el camino para metodologías más integrales y sólidas. A medida que los investigadores continúan profundizando en las complejidades de los datos de tiempo hasta el evento, el impacto de estos avances se extiende a diversas aplicaciones, lo que en última instancia fomenta la innovación y el progreso en campos interdisciplinarios. Este documento adopta e implementa un nuevo enfoque estadístico para proponer una familia de distribuciones flexibles, a saber, una nueva familia de distribuciones O generalizadas. Para la familia recién obtenida, se obtienen ciertas propiedades matemáticas como la identificabilidad, la función cuantil, el r-ésimo momento no central, la curva de Lorenz, los momentos incompletos y la expresión de la curva de Bonferroni. Además, se introduce una extensión del modelo de Weibull utilizando el enfoque recientemente desarrollado, a saber, un nuevo modelo generalizado de Weibull. Los parámetros de la nueva versión generalizada del modelo de Weibull se estiman adoptando un enfoque de estimación bien conocido. Finalmente, se analiza un conjunto de datos compuesto por sesenta (60) observaciones que representan los tiempos de supervivencia de algunos pacientes infectados por la epidemia de COVID-19 para ilustrar el nuevo modelo generalizado de Weibull.Additional details
Additional titles
- Translated title (Arabic)
- نهج احتمالي جديد: نموذج، نظرية، خصائص مع تطبيق في القطاع الطبي
- Translated title (French)
- Une nouvelle approche probabiliste : modèle, théorie, propriétés avec une application dans le secteur médical
- Translated title (Spanish)
- Un nuevo enfoque probabilístico: modelo, teoría, propiedades con aplicación en el sector médico
Identifiers
- Other
- https://openalex.org/W4396850373
- DOI
- 10.1016/j.aej.2024.04.064
References
- https://openalex.org/W2038289147
- https://openalex.org/W2347003277
- https://openalex.org/W2591227038
- https://openalex.org/W2792417255
- https://openalex.org/W2898893205
- https://openalex.org/W2935925294
- https://openalex.org/W2981980102
- https://openalex.org/W3010399608
- https://openalex.org/W3011359846
- https://openalex.org/W3030935490
- https://openalex.org/W3044845302
- https://openalex.org/W3046691625
- https://openalex.org/W3046756723
- https://openalex.org/W3046899847
- https://openalex.org/W3134916257
- https://openalex.org/W3159982144
- https://openalex.org/W3163507870
- https://openalex.org/W3177299149
- https://openalex.org/W3197500103
- https://openalex.org/W4308117769
- https://openalex.org/W4309027597
- https://openalex.org/W4312775083
- https://openalex.org/W4380987419
- https://openalex.org/W4389576646
- https://openalex.org/W4393142231
- https://openalex.org/W4393191821