This thesis approaches the problem of blood donations, that is relevant to the health system, with Bayesian statistical modeling. The work focuses on the prediction of the number of donations in a blood collection centre. The data we have analyzed were registrered by Associazione Volontari Italiani Sangue (AVIS), in particular by the section of Lambrate in Milan. Blood donations are modeled as recurrent events under the Bayesian approach. Starting from the work previously done on this topic by Gianoli (2016) and Spinelli (2019), the thesis proposes a Bayesian model, suitably parameterized, of the intensity function of the process of recurrent events of blood donations (i.e., the instantaneous probability of the donation event occurrence) it depends on both time-dependent or time-fixed covariates (representing individual donor features) and on individual random frailties, that model the mean random heterogeneity among donors. The analysis highlights a decreasing trend of the baseline intensity function and identifies the significant covariates that influence the intensity function and hence determine the donors personal propensity to donate. Bayesian inference is promising, and the model could help to plan short, medium and long-term blood donations and to profile blood donors.

Questa tesi affronta il problema delle donazioni di sangue, rilevante per il sistema sanitario, con la modellazione statistica bayesiana. Il lavoro è incentrato sulla previsione del numero di donazioni in un centro di raccolta del sangue. I dati analizzati sono stati estratti da due banche dati dell’Associazione Volontari Italiani Sangue (AVIS), in particolare dalla sezione di Lambrate di Milano. Le donazioni di sangue sono modellizzate come eventi ricorrenti tramite un approccio bayesiano. Partendo dal lavoro precedentemente svolto su questo tema da Gianoli (2016) e Spinelli (2019), la tesi propone un modello bayesiano, adeguatamente parametrizzato, della funzione di intensità del processo degli eventi ricorrenti delle donazioni di sangue (cioè la probabilità istantanea dell’accadimento della donazione); essa dipende sia da covariate tempo-dipendenti o fisse nel tempo (che rappresentano caratteristiche individuali del donatore) sia da effetti aleatori individuali (random frailties) che rappresentano l’eterogeneità non misurabile fra donatori. L’analisi evidenzia un andamento decrescente della funzione di intensità di base e identifica le covariate significative che influenzano la funzione di intensità e quindi determinano la propensione personale dei donatori a donare. I risultati ottenuti sono promettenti sull’utilizzo del modello allo scopo di pianificare le donazioni di sangue a breve, medio e lungo termine e di profilare i donatori di sangue.

A Bayesian approach to blood donation process

Martinelli, Ilaria
2020/2021

Abstract

This thesis approaches the problem of blood donations, that is relevant to the health system, with Bayesian statistical modeling. The work focuses on the prediction of the number of donations in a blood collection centre. The data we have analyzed were registrered by Associazione Volontari Italiani Sangue (AVIS), in particular by the section of Lambrate in Milan. Blood donations are modeled as recurrent events under the Bayesian approach. Starting from the work previously done on this topic by Gianoli (2016) and Spinelli (2019), the thesis proposes a Bayesian model, suitably parameterized, of the intensity function of the process of recurrent events of blood donations (i.e., the instantaneous probability of the donation event occurrence) it depends on both time-dependent or time-fixed covariates (representing individual donor features) and on individual random frailties, that model the mean random heterogeneity among donors. The analysis highlights a decreasing trend of the baseline intensity function and identifies the significant covariates that influence the intensity function and hence determine the donors personal propensity to donate. Bayesian inference is promising, and the model could help to plan short, medium and long-term blood donations and to profile blood donors.
EPIFANI, ILENIA
GUGLIELMI, ALESSANDRA
ING - Scuola di Ingegneria Industriale e dell'Informazione
28-apr-2021
2020/2021
Questa tesi affronta il problema delle donazioni di sangue, rilevante per il sistema sanitario, con la modellazione statistica bayesiana. Il lavoro è incentrato sulla previsione del numero di donazioni in un centro di raccolta del sangue. I dati analizzati sono stati estratti da due banche dati dell’Associazione Volontari Italiani Sangue (AVIS), in particolare dalla sezione di Lambrate di Milano. Le donazioni di sangue sono modellizzate come eventi ricorrenti tramite un approccio bayesiano. Partendo dal lavoro precedentemente svolto su questo tema da Gianoli (2016) e Spinelli (2019), la tesi propone un modello bayesiano, adeguatamente parametrizzato, della funzione di intensità del processo degli eventi ricorrenti delle donazioni di sangue (cioè la probabilità istantanea dell’accadimento della donazione); essa dipende sia da covariate tempo-dipendenti o fisse nel tempo (che rappresentano caratteristiche individuali del donatore) sia da effetti aleatori individuali (random frailties) che rappresentano l’eterogeneità non misurabile fra donatori. L’analisi evidenzia un andamento decrescente della funzione di intensità di base e identifica le covariate significative che influenzano la funzione di intensità e quindi determinano la propensione personale dei donatori a donare. I risultati ottenuti sono promettenti sull’utilizzo del modello allo scopo di pianificare le donazioni di sangue a breve, medio e lungo termine e di profilare i donatori di sangue.
File allegati
File Dimensione Formato  
Ilaria_Martinelli_Thesis.pdf

accessibile in internet per tutti

Descrizione: A Bayesian approach to blood donation process
Dimensione 6.22 MB
Formato Adobe PDF
6.22 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/174253