ESTIMAÇÃO PARAMÉTRICA DO MODELO DE MISTURA COM FRAGILIDADE GAMA NA PRESENÇA DE COVARIÁVEIS
|
|
- João Victor Leão da Costa
- 6 Há anos
- Visualizações:
Transcrição
1 ESTIMAÇÃO PARAMÉTRICA DO MODELO DE MISTURA COM FRAGILIDADE GAMA NA PRESENÇA DE COVARIÁVEIS Jhon Franky Bernedo GONZALES 1 Vera Lucia Damasceno TOMAZELLA 1 João Paulo TACONELLI 1 RESUMO: Neste artigo é apresentada uma abordagem paramétrica para o modelo de mistura padrão com fragilidade gama na presença de covariáveis. Este modelo possui uma vantagem em relação aos modelos de sobrevivência usuais (tradicionais), em que permite incorporar a heterogeneidade de duas subpopulações (imunes e susceptíveis) ao evento de interesse. Além disso, incorporamos covariáveis tanto na proporção de curados quanto na função de sobrevivência dos susceptíveis. Uma abordagem semi-paramétrica para esse modelo foi proposta por Peng e Zhang (2008a), mas, diferentemente deles, neste trabalho assumimos a distribuição Weibull para a função de sobrevivência para os indivíduos em risco o que torna o modelo paramétrico. A proporção de cura foi modelada por meio de modelos de regressão binomial com diferentes funções de ligação. Foi utilizado o software R como ferramenta para fazer inferências do modelo proposto. Os procedimentos desenvolvidos foram aplicados a dois conjuntos de dados reais. PALAVRAS-CHAVE: Análise de sobrevivência; fragilidade; fração de cura; distribuição Weibull; distribuição gama; regressão. 1 Introdução Experimentos em que a resposta representa o tempo até a ocorrência de um evento de interesse ocorrem com frequência em diversas áreas de conhecimento, como, por exemplo, as áreas médica, financeira e industrial. Técnicas estatísticas tradicionais, como análise de variância ou modelos de regressão, poderiam ser apropriadas para este tipo de estudo, mas nem sempre existe a garantia de que todos 1 Universidade Federal de São Carlos UFSCar, Centro de Ciências Exatas e Tecnológicas, Departamento de Estatística, Caixa Postal 676, CEP: , São Carlos, São Paulo, Brasil, jhonbg@gmail.com / vera@ufscar.br / jampatac@yahoo.com.br Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
2 os elementos da amostra terão experimentado o evento de interesse no momento da coleta dos dados, o que torna a informação para tais indivíduos incompleta. O conjunto de métodos estatísticos que lida com informação parcial da resposta (denominada censura) é conhecido como análise de sobrevivência (Colosimo e Giolo, 2006), e o tempo até a ocorrência do evento de interesse é comumente denominado tempo de falha. Os trabalhos historicamente mais importantes nessa área são o estimador não paramétrico de Kaplan-Meier (Kaplan e Meier, 1958) e o modelo de riscos proporcionais de Cox (Cox, 1972). A partir do momento em que avanços em áreas médicas se tornaram mais frequentes, um número maior de pacientes passou a ser considerado curado, ou imune à doença estudada. Diante disso, estimar a proporção de curados também passou a ser algo de bastante relevância. Os trabalhos apresentados por Boag (1949) e Berkson e Gage (1952), que falam sobre o modelo de mistura padrão, formaram a base do que veio a se chamar modelo de sobrevivência de longa duração (ou modelo de sobrevivência com fração de cura). Vários autores vêm discutindo a respeito de modelos envolvendo misturas de distribuições e fração de cura. Por exemplo, Farewell (1977) abordou o modelo de mistura Weibull e investigou como os fatores de risco( por exemplo idade ao primeiro parto) afetam o tempo de desenvolvimento do câncer de mama, sendo que posteriormente utilizou o modelo de riscos proporcionais de Cox (Farewell, 1982). Peng e Dear (2000) utilizaram um modelo que assume a proporcionalidade dos riscos para modelar o efeito das covariáveis sobre o tempo de falha dos pacientes não curados de um ponto de vista semiparamétrico. Quando utiliza-se a abordagem paramétrica nos modelos de mistura, é necessário assumir uma distribuição de probabilidade para o tempo de falha dos pacientes não curados. As funções densidade e de sobrevivência são obtidas da distribuição assumida, em que podem depender de um ou mais parâmetros como pode ser visto em Farewell, (1982), Farewell e Sprott (1986), Peng et al. (1998) entre outros. Os modelos de cura assumem implicitamente que todos os indivíduos que sofreram o evento de interesse pertencem a uma população homogênea. No entanto, existe um grau de heterogeneidade induzida por fatores de risco não observados. Nestas circunstâncias, é necessário considerar modelos que incorporam heterogeneidade não observável entre os indivíduos, como o modelo de fragilidade (ver Vaupel et al., 1979). Os modelos de fragilidade são caracterizados pela inclusão de um efeito de aleatório, que é, uma variável aleatória não observável tais como fatores ambientais, genéticos ou informações que por alguma razão não foram consideradas no planejamento. Uma forma de incorporar esse efeito aleatório é introduzi-lo na função de risco com o objetivo de controlar a heterogeneidade não observável das unidades em estudo, inclusive a dependência das unidades que compartilham os mesmos fatores de risco. O fato de considerar a variável aleatória não observável introduzida na função de risco faz com que o modelo englobe duas fontes de variação para os dados. A primeira delas que gera a heterogeneidade entre as observações é causada por 234 Rev. Bras. Biom., São Paulo, v.31, n.2, p , 2013
3 covariáveis individuais não observáveis que não foram incluídas no planejamento em estudo, por circunstancias praticas ou por serem conhecidas como sendo fatores de risco. A segunda fonte de variação proveniente das covariaveis comuns a indivíduos de um mesmo grupo que quando não observadas geram dependência entre os tempos. Hougaard(1991) mostrou que é vantajoso considerar as duas fontes de variabilidade. Neste contexto, Longini e Halloran (1996) propuseram o modelo de mistura padrão com fragilidade e Price e Manatunaga (2001) estudaram diferentes modelos de fragilidade e observaram que o modelo de mistura padrão com fragilidade gama tem um melhor ajuste em relação ao modelo de mistura de mistura padrão. Peng e Zhang (2008a) estenderam o modelo de Longini e Halloran (1996) ao introduzirem covariáveis no modelo de mistura padrão com fragilidade. No modelo proposto por Peng e Zhang (2008a), é considerada a fragilidade gama e a abordagem é semiparamétrica. A proposta deste trabalho é considerar o modelo de mistura padrão com fragilidade gama para analisar dados de sobrevivência com fração de cura e informações observáveis e não observaveis entre os indivíduos. Além disso assumimos uma distribuição paramétrica para os tempos de vida dos indivíduos em risco, desta forma consideramos uma abordagem paramétrica para a estimação dos parâmetros do modelo. Aqui o tempo de vida dos indivíduos em risco segue uma distribuição Weibull e, além disso, a proporção de pacientes não curados é modelada através de modelos de regressão binomial com funções de ligação logito, probito e complemento log-log, a fim de verificar se existe vantagens em considerar alguma delas. Este artigo está organizado como segue na Seção 2 serão apresentados os modelos: de mistura padrão, o modelo de fragilidade e o modelo de mistura padrão com fragilidade na presença de covariáveis. Na Seção 3 apresentamos o método inferencial aplicado para os modelos. Para ilustrar a aplicabilidade do modelo, na Seção 4 foram utilizados dois conjuntos de dados reais em que a estimação dos parâmetros foi realizada por meio do método de máxima verossimilhança e na Seção 5 concluímos o artigo. 2 Formulação do modelo Em diversos experimentos notamos que a curva de sobrevivência estabiliza-se em um patamar estritamente maior que 0. Este fato ocorre com frequência cada vez maior na área clínica, em que novos tratamentos têm conseguido prolongar ou mesmo curar diversos tipos de tumores, e a proporção de indivíduos que não experimentam o evento de interesse recebe o nome de curados (ou sobreviventes de longa duração). Tal conceito também pode ser utilizado em outras áreas, bastando para isso que uma parcela dos elementos não venha a falhar em longos períodos de observação. 2.1 Modelo de mistura padrão na presença de covariáveis Seja M o número de causas para a ocorrência do evento de interesse para um indivíduo da população. Assumimos que M é desconhecido e segue uma distribuição Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
4 de Bernoulli, com distribuição de probabilidade P [M = m; θ] = θ m (1 θ) 1 m, 0 θ 1. (1) A função geradora de probabilidade de M é dada por A p (s) = 1 θ + θs, 0 s 1, assim o modelo de mistura padrão (MP), é dado por (Tsodikov et al., 2003) S pop (t) = A p (S(t)) = 1 θ + θs(t), (2) em que 1 θ representa a incidência de curados e S(t) a função de sobrevivência dos indivíduos em risco. É interessante notar que S(t) é uma função própria, mas S pop (t) é imprópria, pois: lim t S pop(t) = 1 θ. As funções de densidade e de risco populacional são dadas por f pop (t) = 1 dt S pop(t) = θf(t) e h pop (t) = f pop(t) S pop (t) = θf(t) 1 θ + θs(t). (3) O modelo (2) pode ser estendido por considerar efeito de covariáveis. Denotamos por z e x as covariáveis que podem ter efeitos na fração de cura e na função de sobrevivência, respectivamente. Assim, o modelo em (2) pode ser reescrito por S pop (t x, z) = 1 θ(z) + θ(z)s(t x), (4) em que 1 θ(z) é a probabilidade de um indivíduo ser curado dependendo da covariável z e S(t x) é a função de sobrevivência da distribuição do tempo de falha de pacientes não curados, dependendo de x. Kuk e Chen (1992) introduziram covariáveis em S(t x) assumindo que os indivíduos não curados seguem um modelo de risco proporcionais de Cox, isto é, h(t x) = h 0 (t) exp(x β). Considerando o modelo em (4) temos que S pop (t x, z) = 1 θ(z) + θ(z)s 0 (t) exp(x β), (5) em que S 0 (t) é a função de sobrevivência base e β representa o vetor de parâmetros associados ao vetor de covariáveis x. No entanto, outros pesquisadores consideram covariáveis só na fração de cura (Rodrigues et al., 2009). Assim o modelo dado em (4) pode ser reescrito na forma S pop (t z) = 1 θ(z) + θ(z)s(t), (6) em que no restante do artigo o modelo dado anteriormente será considerado como o modelo de mistura padrão. Para modelar os efeitos das covariáveis na taxa de cura, definimos b como sendo o vetor de parâmetros desconhecidos que serão estimados para as covariáveis 236 Rev. Bras. Biom., São Paulo, v.31, n.2, p , 2013
5 associadas à fração de cura e utilizamos o modelo de regressão binomial com três funções de ligação: logito, probito e complemento log-log dadas, respectivamente, por θ(z) = exp(bz) 1 + exp(bz), θ(z) = Φ(bz) e θ(z) = exp( exp(bz)), em que Φ corresponde à função de distribuição acumulada de uma distribuição normal padrão. A função densidade da população para o modelo com função de sobrevivência dado em (5) é dada por f pop (t x, z) = θ(z)f 0 (t) exp(x β) S 0 (t) exp(x β) 1, (7) em que f 0 (t) é a função de densidade base. O modelo dado em (5) é conhecido como modelo de mistura padrão de riscos proporcionais. 2.2 Modelo de mistura padrão com fragilidade Em análise de sobrevivência, incorporar a heterogeneidade não observada entre os indivíduos recebe o nome de fragilidade. Neste trabalho, o termo de fragilidade atuará na função de sobrevivência dos indivíduos não imunes, como um complemento às covariáveis observadas, ajudando desta forma a estimar a função de sobrevivência populacional de maneira mais precisa. Clayton (1978) introduziu o termo de fragilidade ao modelo de Cox (1972) de forma multiplicativa, ou seja, a variável aleatória que representa a fragilidade, W, irá agir multiplicativamente na função de risco base, assim temos h(t W ) = W h 0 (t), (8) em que h 0 (t) é a função de risco base, W é uma variável aleatória não observável, denominada variável de fragilidade que aumenta o risco individual se W > 1 ou diminui se W < 1. Intuitivamente, quanto maior o valor do termo da fragilidade mais frágil seria o indivíduo, e por consequência, maior sua probabilidade de falha (Vaupel et al,. 1979). A função de risco individual h(t W ) é interpretada como a função de risco condicional dada a fragilidade W. Assim, a função de sobrevivência condicional a fragilidade W é dada por: S(t W ) = exp ( t 0 ) h(s W )ds ( = exp W t 0 ) h 0 (s)ds = exp ( W H 0 (t)), Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
6 em que H 0 (t) representa a função de risco base acumulada no instante t. Para obter a função de sobrevivência não condicional S(t) utilizamos a transformada de Laplace, assim temos S(t) = E {S(t W )} = 0 exp( wh 0 (t))g(w)dw = L W (H 0 (t)), (9) em que g(w) é a função densidade da variável de fragilidade e L W (H 0 (t)) é a tranformada de Laplace aplicada no ponto H 0 (t), o que mostra a importância desta transformação nos modelos de fragilidade (Wienke, 2010). Um ponto importante esta relacionado a identificabilidade dos modelos de fragilidade univariados, de acordo com Elbers e Ridder (1982), é necessário que a distribuição do termo da fragilidade W, tenha média finita para o modelo ser identificável e a variância da variável da fragilidade é interpretada como uma medida de heterogeneidade da população. Pelo fato que o termo da fragilidade W é uma variável aleatória podemos considerar diferentes distribuições de probabilidade como por exemplo a distribuição gama, log-normal, Gaussiana inversa entre outras. Características gerais das distribuições para o termo da fragilidade foram estudadas por Hougaard (1995). Neste trabalho assumimos a distribuição gama para o termo da fragilidade. A vantagem de considerar a distribuição gama se deve a forma fechada da distribuição de Laplace o que torna uma expressão analítica tratável para a função de sobrevivência não condicional Modelo de mistura padrão com fragilidade gama Longini e Halloran (1996) propõem o modelo de mistura padrão com fragilidade, em que o efeito das variáveis aleatórias não observadas é considerado para os indivíduos que estão em risco. Assim, levando em conta que a variável da fragilidade segue uma distribuição gama com média 1 e variância 1/σ temos que a função de sobrevivência não condicional para os indivíduos não curados é definida por ( S(t) = L W (H 0 (t)) = 1 + H ) σ 0(t). σ Na presença de covariáveis, a distribuição dos indivíduos em risco considerando a fragilidade gama é definida por ( S(t x) = 1 + H 0(t) exp(x ) σ β). (10) σ Substituindo (10) em (4) obtemos a função de sobrevivência populacional com fração de cura e fragilidade gama na presença de covariáveis é dada por ( S pop (t x, z) = 1 θ(z) + θ(z) 1 + H 0(t) exp(x ) σ β), (11) σ 238 Rev. Bras. Biom., São Paulo, v.31, n.2, p , 2013
7 em que x e z são vetores de covariaveis associadas a função de sobrevivência dos não curados e a fração de cura respectivamente. A função densidade da população associada a (11) é dada por ( f pop (t x, z) = θ(z) 1 + H 0(t) exp(x ) σ 1 β) h 0 (t) exp(x β). (12) σ O modelo dado em (11) foi estudado por Peng e Zhang (2008a) considerando uma abordagem semi-paramétrica. No presente artigo, consideramos uma abordagem paramétrica, assumindo para a função de risco base a distribuição Weibull, h 0 (t) = αλ (tλ) α 1 em que α > 0 e λ > 0. 3 Inferência Para determinar a função de verossimilhança, consideremos para a i-ésima observação os dados observados (t i, δ i, x i, z i ), em que t i denota o tempo observado, δ i é a variável indicadora de censura, com δ i = 1 se t i é não censurado e δ i = 0 caso contrário, x i e z i representam o vetor de covariáveis que tem efeito na distribuição latente e na taxa de cura, respectivamente. Assim, a função de verossimilhança baseada nos dados observados supondo censura não informativa é dada por L(ϑ; D) = n {f pop (t i ; ϑ)} δ i {S pop (t i ; ϑ)} 1 δ i, (13) i=1 em que ϑ = (σ, b, β, γ ), D = (t, δ, x, z), t = (t 1,... t n ), x = (x 1,..., x n ), z = (z 1,..., z n ). Para o modelo de mistura padrão com fragilidade, f pop (t i ; ϑ) e S pop (t i ; ϑ) são definidos em (12) e (11), respectivamente. Para os outros modelos, as funções f pop (t i ; ϑ) e S pop (t i ; ϑ) serão correspondentes ao modelo escolhido. A estimação dos parâmetros do modelo ϑ será feita através da maximização do logaritmo da função de verossimilhança, l(ϑ; D) = log(l(ϑ; D)). O processo de estimação empregado é similar para as três funções de ligação. Para a estimação da probabilidade de cura, basta substituir os parâmetros pelas estimativas obtidas, de acordo com as covariáveis e a função de ligação utilizada. Consideramos desvios padrões assintóticos das estimativas dos parâmetros, que são obtidos através da inversão da matriz de informação observada. Com relação à identificabilidade do modelo de mistura padrão com fragilidade, Peng e Zhang (2008b) consideram duas situações distintas: uma quando os conjuntos de covariáveis z e x, são idênticos, e a outra quando são conjuntos distintos. Eles mostraram que o modelo é identificável se a fração de cura é modelada por uma função não constante, isto é, considerando covariáveis na taxa cura e levando em conta a condição que a distribuição da fragilidade seja proveniente de uma família completa. A identificabilidade também é garantida quando os dois componentes do modelo envolvem as mesmas covariáveis. Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
8 4 Aplicações em dados reais Nesta seção aplicaremos os modelos apresentados para dois conjuntos de dados reais : o modelo de mistura padrão (6), o modelo de mistura padrão de riscos proporcionais (MP-RP) (5) e o modelo de mistura padrão com fragilidade gama (MPF-Gama) (11). Toda a programação utilizada neste trabalho foi desenvolvida em linguagem de programação R (R Core Team, 2013). 4.1 Aplicação em dados de melanona O conjunto de dados provém de um estudo com portadores de melanoma, que foi realizado com o objetivo de avaliar a eficácia da aplicação de uma dosagem alta de interferon alfa-2b como forma de prevenir a recorrência do câncer de pele. Os pacientes foram incluídos no estudo entre 1991 e 1995, tendo sido acompanhados até Para maiores detalhes do conjunto de dados pode ser consultado Kirkwood et al. (2000). Neste conjunto de dados temos que a variável resposta T representa o tempo até a morte de paciente ou tempo de censura. Nesta amostra temos n = 417 pacientes, com 56% de observações censuradas. Consideramos a variável nódulo como variável preditora, esta covariável é categorizada em 4 categorias (1: n = 82; 2: n = 87; 3: n = 137; 4: n = 111). As estimativas de máxima verossimilhança (EMV) e os desvios padrão (DP) para os parâmetros do modelo de mistura padrão com fragilidade gama dado em (11) são apresentados na Tabela (1). Tabela 1 EMV e DP para os parâmetros do modelo de mistura padrão com fragilidade gama considerando diferentes funções de ligação Parâmetros Logito Probito Clog-Log EMV DP EMV DP EMV DP α 2, , , , , , 3022 λ 0, , , , , , 0587 σ 0, , , , , , 3453 β 1 0, , , , , , 1686 b 0 0, , , , , , 2670 b 1 0, , , , , , 0926 Observamos que as estimativas dos parâmetros da distribuição Weibull tiveram valores muito próximos para as diferentes funções de ligação, e, como era de se esperar, b 0 e b 1, que dependem da função de ligação escolhida, tiveram valores distintos de acordo com a função de ligação. Na Tabela (2), apresentamos os critérios de seleção de modelo AIC e BIC. Para cada modelo ajustado observamos que os valores dos critérios de seleção são bastante similares para cada função de ligação. Por exemplo, para o modelo MP temos que o valor AIC para a função de ligação logito, probito e Clog-log são próximos. De maneira análoga acontece com o valor do BIC para cada função de 240 Rev. Bras. Biom., São Paulo, v.31, n.2, p , 2013
9 ligação. De acordo com os critérios utilizados, observamos que o ajuste do modelo de mistura padrão de riscos proporcionais tem um comportamento melhor em relação ao modelo de mistura padrão, porém o modelo de mistura com fragilidade gama tem um melhor ajuste em relação aos outros dois modelos. Tabela 2 Critérios AIC e BIC para os modelos ajustados Funções de ligação Logito Probito Clog-Log Modelo AIC BIC AIC BIC AIC BIC MP 1043, , , , , , 840 MP-RP 1038, , , , , , 492 MPF-Gama 1024, , , , , , 559 O valor estimado da variância da variável que representa a fragilidade é dado por 1/ˆσ = 1/0, 66 = 1, 51, o que mostra que existe a heterogeneidade não observada nos indivíduos e portanto a inclusão do termo de fragilidade é justificada. A Tabela (3) mostra a fração de curados para cada nível da covariável categoria do nódulo, calculada através das respectivas estimativas de b 0 e b 1 aplicadas à cada função de ligação. Tabela 3 Estimativas das proporções de cura para o modelo MPF-Gama considerando a covariável nódulo e diferentes funções de ligação. Categoria do Nódulo Logito Probito Clog-log 1 0, 574 0, 573 0, , 480 0, 480 0, , 387 0, 387 0, , 302 0, 300 0, 307 Notamos que as estimativas da proporção de curados são próximas para o modelo de mistura com fragilidade, independente da função de ligação escolhida. Na Figura (1) apresentamos a estimativa não paramétrica de Kaplan-Meier (K-M) da função de sobrevivência (linha contínua), e as estimativas da função de sobrevivência da população S pop (t.) obtidas para os três modelos paramétricos, em que os indivíduos que pertencem a cada nível da covariável foi estudada. Observamos que o ajuste do modelo de mistura padrão não é tão satisfatório em relação aos outros dois modelos. Entretanto em alguns trechos iniciais da curva de sobrevivência, o modelo de mistura com fragilidade tem uma aderência melhor em relação aos outros dois modelos. As estimativas da função de sobrevivência da população dos modelos ajustados apresentados na Figura (1) foram feitas considerando a função de ligação logito. Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
10 Função de sobrevivência (a) Tempo (anos) MP dado em (6). Função de sobrevivência (b) Tempo (anos) MP-RP dado em (5). (c) Função de sobrevivência Tempo (anos) MP-Gama dado em (11). Figura 1 Estimativas de K-M (linhas continuas) estratificadas por categoria da variável nódulo (1-4, de cima para baixo) e as estimativas paramétricas da função de sobrevivência da população S pop (t.) para os três modelos ajustados. 4.2 Aplicação para os dados do tempo do segundo nascimento de crianças na Noruega Os dados para esta segunda aplicação foi analisado por Aalen et al., (2008), são parte do registro médico de nascimentos na Noruega em O tempo T representa o tempo entre o nascimento do primeiro e do segundo filho de um mesmo casal. Neste cenário, um evento que pode influenciar o tempo para o segundo nascimento do segundo filho do casal é a perda (falecimento) do primeiro filho no intervalo do primeiro ano de vida da criança. Neste conjunto de dados temos n = mulheres que tiveram seu primeiro filho no período 1983 a Adotamos a perda do primeiro filho no primeiro ano, x, como a covariável no modelo (1 = sim; 0 = não) e denotamos por δ a variável indicadora de censura, em que δ = 1 indica se a mulher teve um segundo filho e δ = 0 caso contrário. Analisamos os dados considerando os três modelos descritos 242 Rev. Bras. Biom., São Paulo, v.31, n.2, p , 2013
11 anteriormente. Na Figura (2a) observamos a estimativa da função de sobrevivência pelo estimador não paramétrico de Kaplan-Meier para o tempo até o nascimento do segundo filho, considerando a covariável x. A curva superior representa o grupo das mães em que o primeiro filho sobreviveu no primeiro ano e a curva inferior representa os casais que perderam o filho no primeiro ano. Notamos que na Figura (2a) as curvas de K-M se estabilizam em torno do quarto ano após o nascimento do primeiro filho isto nos leva a suposição que uma porcentagem de mães não terão um segundo filho o que nos motiva a considerar a metodologia proposta. Na Tabela (4) apresentamos as estimativas dos parâmetros para o modelo de mistura padrão com fragilidade (11). Observamos que as estimativas dos parâmetros da distribuição Weibull e da variável de fragilidade são iguais e as estimativas para o vetor de parâmetros b em θ(.) são diferentes para as funções de ligação. Tabela 4 EMV e DP para os parâmetros do modelo de mistura padrão com fragilidade gama considerando diferentes funções de ligação. Parâmetros Logito Probito Clog-Log EMV DP EMV DP EMV DP α 5, 229 0, 090 5, 229 0, 090 5, 229 0, 090 λ 0, 378 0, 003 0, 378 0, 003 0, 378 0, 003 σ 0, 267 0, 016 0, 267 0, 016 0, 267 0, 016 β 1 3, 539 0, 203 3, 539 0, 204 3, 539 0, 203 b 0 1, 443 0, 081 0, 874 0, 046 1, 551 0, 073 b 1 0, 052 0, 169 0, 030 0, 096 0, 047 0, 152 Na Tabela (5), apresentamos os critérios de seleção de modelo AIC e BIC para este conjunto de dados. Para cada modelo ajustado observamos que os valores dos critérios de seleção são iguais para cada função de ligação dentro de cada modelo. De acordo com os critérios AIC e BIC o modelo de mistura padrão de riscos proporcionais tem um desempenho melhor em relação ao modelo de mistura padrão. Contudo, o modelo de mistura com fragilidade gama tem um melhor ajuste em relação aos outros modelos. Tabela 5 Critérios AIC e BIC para os modelos ajustados Funções de ligação Modelo Logito Probito Clog-Log AIC BIC AIC BIC AIC BIC MP 86916, , , , , , 02 MP-RP 86774, MP-Gama 53706, , , , , , 05 Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
12 S(t) S(t) A estimativa da varia ncia da varia vel que representa a fragilidade e 1/b σ = 1/0, 267 = 3, 745, assim concluı mos que existe heterogeneidade na o observada entre os indivı duos e, portanto, a inclusa o do termo de fragilidade e justificada. Intuitivamente a heterogeneidade na o observada pode estar relacionado por exemplo com a idade das ma es, isto pelo fato que a idade das mulheres esta ligado com a fertilidade delas e neste trabalho na o foi considerado a idade como varia vel preditora. Na Figura (2) apresentamos os ajustes dos modelos de mistura padra o, mistura padra o de riscos proporcionais e o modelo de mistura com fragilidade gama. Observamos que o modelo de mistura padra o na o tem um ajuste ta o bom para os dados quanto o modelo de mistura com fragilidade gama: Tempo(anos) Tempo(anos) S(t) S(t) MP dado em (6) 1.0 Estimativas de K-M Tempo(anos) MP-RP dado em (5) Tempo(anos) MP-Gama dado em (11). Figura 2 Estimativas de K-M (linhas continuas) estratificadas pela covaria vel perda do primeiro filho no primeiro ano (0-1, de cima para baixo) e estimativas parame tricas da func a o de sobrevive ncia da populac a o, Spop (t.), para os tre s modelos. 244 Rev. Bras. Biom., Sa o Paulo, v.31, n.2, p , 2013
13 Conclusões Neste trabalho foi apresentado o modelo de mistura padrão com fragilidade na presença de covariaveis sob um ponto de vista paramétrico isto é adotando uma distribuição de probabilidade para os indivíduos em risco. Assim, motivados pela flexibilidade da distribuição Weibull em acomodar diversas formas para a taxa de falha, foi considerado que os indivíduos em risco são modelados por essa distribuição e a estimação dos parâmetros foi baseada no método de estimação de máxima verossimilhança. Para aplicação da metodologia apresentada nós consideramos dois conjuntos de dados reais da literatura em que o atrativo para utilizar os conjuntos de dados foi a suspeita de dados de longa duração ou fração de curados, como também a heterogeneidade entre fatores de risco não observados dos indivíduos em risco. Por exemplo, no primeiro conjunto de dados estudado relacionado com melanoma a variável considerada foi nódulo mas poderíamos ter considerado também outras variáveis tais como idade, sexo entre outras em que a importância dessas variáveis não observadas é justificada pela inclusão do termo de fragilidade no modelo. De acordo com os resultados obtidos pelo ajuste dos modelos considerados, observamos que no primeiro conjunto de dados as estimativas dos parâmetros da função de sobrevivência para os indivíduos em risco considerando as funções de ligação logito, probito e complemento log-log são próximas entre elas, porém no segundo conjunto de dados relacionado ao tempo até o segundo nascimento de crianças na Noruega nós observamos que as estimativas dos parâmetros são iguais embora o tamanho de amostra para este conjunto de dados é maior que o primeiro. Intuitivamente a escolha da função de ligação não afeta as estimativas dos parâmetros, pelo menos nos dados considerados neste artigo. Além disso, baseado na estimativa da variância do termo da fragilidade W, para o conjunto de dados de melanoma obervamos que 1/ σ = 1, 51 e para o conjunto de dados de segundo nascimento observamos uma variancia de 1/ σ = 3, 745 pode-se afirmar que existe heterogeneidade entre os indivíduos e desta forma o modelo de mistura com fragilidade gama é uma alternativa para o modelo de mistura padrão e o modelo de mistura de riscos proporcionais. Agradecimentos Esta pesquisa foi parcialmente financiada pela FAPESP e pela CAPES. GONZALES, J. F. B.; TOMAZELLA, V. L. D.; TACONELLI, J. P. Parametric estimation of the mixture model with gamma frailty in the presence of covariates. Rev. Bras. Biom., São Paulo, v.31, n.2, p , Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
14 ABSTRACT: In this article we present a approach parametric to standard mixture model with frailty in the presence of covariates. This model has an advantage over the usual(traditional) survival models, which allows incorporating the heterogeneity of two subpopulations (immune and susceptible) to the event of interest. Furthermore, variables incorporated in cure rate and the survival function of susceptible individuals. A semi-parametric approach for this model was proposed by Peng and Zhang (2008a), but, unlike them, in this work we assume a Weibull distribution for the survival function for individuals at risk which makes the parametric model. The cure rate was modeled through binomial regression models with different link functions. We explored the use of the R software as a tool to make inferences of the proposed model. The procedures developed were applied to two real data sets. KEYWORDS: Survival analysis; frailty; fraction cure; Weibull distribution, gamma distribution; regression. Referências AALEN, O. O.; BORGAN, Ø.; GJESSING, H. K. Survival and Event History Analysis: a Process Point of View. New York: Springer, BERKSON, J.; GAGE, R. P. Survival curve for cancer patients following treatment. Journal of the American Statistical Association, v.47, p , BOAG, J. W. Maximum likelihood estimates of the proportion of patients cured by cancer therapy. Journal of the Royal Statistical Society. Series B (Methodological), v.11, p.15-53, CLAYTON, D. G. A model for association in bivariate life tables and its application in epidemiological studies of familial tendency in chronic disease incidence. Biometrika, v.65, p , COLOSIMO, E. A.; GIOLO, S. R. Análise de Sobrevivência Aplicada. São Paulo: Edgard Blucher, COX, D. R. Regression models and life-tables. Journal of the Royal Statistical Society. Series B (Methodological), v.34, p , ELBERS, C.; RIDDER, G. True and spurious duration dependence: The identifiability of the proportional hazard model. The Review of Economic Studies, v.49, p , FAREWELL, V. T. A model for binary variable with time-censored observations. Biometrika, v.38, p.43-46, FAREWELL, V. T. The use of mixture models for the analysis of survival data with long-term survivors. Biometrics, v.38, p , FAREWELL, V. T.; SPROTT, D. Mixture models in survival analysis: are they worth the risk?. The Canadian Journal of Statistics, v.14, p , Rev. Bras. Biom., São Paulo, v.31, n.2, p , 2013
15 HOUGAARD, P. Modelling heterogeneity in survival data. Journal of Applied Probability, v.28, p , KAPLAN, E. L.; MEIER, P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, v.53, p , KIRKWOOD, J. M. et al. High- and low-dose interferon alfa-2b in high-risk melanoma: First analysis of intergroup trial e1690/s9111/c9190. Journal of Clinical Oncology, v.18, p , KUK, A. Y. C.; CHEN, C. A mixture model combining logistic regression with proportional hazards regression. Biometrika, v.79, p , LONGINI, I. M.; HALLORAN, M. E. A frailty mixture model for estimating vaccine efficacy. Applied Statistics, v.45, p , MALLER, R. A.; ZHOU, S. Survival Analysis with Long-Term Survivors. New York: Wiley, p. PENG, Y.; DEAR, K. B. G. A nonparametric mixture model for cure rate estimation. Biometrics, v.56, p , PENG, Y.; DEAR, K. B. G.; DENHAM, J. W. A generalized f mixture model for cure rate estimation. Statistics in Medicine, v.17, p , PENG, Y.; ZHANG, J. Estimation method of the semiparametric mixture cure gamma frailty model. Statistics in Medicine, v.27, n.25, p , 2008a. PENG, Y.; ZHANG, J. Identifiability of a mixture cure fraitly model. Statistics & Probability Letters, v.78, p , 2008b. PRICE, D. L.; MANATUNGA, A. K. Modelling survival data with a cured fraction using frailty models. Statistics in Medicine, v.20, p , RODRIGUES, J.; de CASTRO, M.; CANCHO, V.; BALAKRISHNAN, N. COM- Poisson cure rate survival models and an application to a cutaneous melanoma data. Journal of Statistical Planning and Inference, v.139, p , R Core Team. R: A Language and Environment for Statistical Computing. Vienna, Austria, TSODIKOV, A. D.; IBRAHIM, J. G.; YAKOVLEV, A. Y. Estimating cure rates from survival data: an alternative to two-component mixture models. Journal of the American Statistical Association, v.98, p , VAUPEL, J.; MANTON, K.; STALLARD, E. The impact of heterogeneity in individual frailty on the dynamics of mortality. Demography, v.16, n.3, p , WIENKE, A. Frailty Models in Survival Analysis. Boca Raton, FL: Chapman & Hall/CRC, Recebido em Aprovado após revisão em Rev. Bras. Biom., São Paulo, v.31, n.2, p ,
UM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA. Eduardo Yoshio Nakano 1
1 UM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA Eduardo Yoshio Nakano 1 1 Professor do Departamento de Estatística da Universidade de Brasília, UnB. RESUMO. Em estudos médicos, o comportamento
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisModelo de Mistura Paramétrico com Fragilidade na Presença de Covariáveis. João Paulo Taconeli
Modelo de Mistura Paramétrico com Fragilidade na Presença de Covariáveis João Paulo Taconeli UFSCar - São Carlos/SP Junho/2013 Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia
Leia maisEstimadores, pontual e intervalar, para dados com censuras intervalar
Estimadores, pontual e intervalar, para dados com censuras intervalar Débora Ohara, Estela Maris Pereira Bereta, Teresa Cristina Martins Dias Resumo Dados com censura intervalar ocorrem com frequência
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS
ISSN 0104-0499 UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS O EFEITO DO TERMO DE FRAGILIDADE NO MODELO DE MISTURA PADRÃO Vinicius Fernando Calsavara Vera Lúcia Damasceno
Leia maisFilipe Ribeiro, Universidade de Évora/MPIDR Trifon I. Missov, MPIDR José Gonçalves Dias, Instituto Universitário de Lisboa (ISCTE-IUL) Maria Filomena
Filipe Ribeiro, Universidade de Évora/MPIDR Trifon I. Missov, MPIDR José Gonçalves Dias, Instituto Universitário de Lisboa (ISCTE-IUL) Maria Filomena Mendes, Universidade de Évora Introdução 1940 Frequente
Leia maisSeleção de variáveis para o modelo de fração de cura baseado no tempo de primeira passagem para um processo de Wiener
Seleção de variáveis para o modelo de fração de cura baseado no tempo de primeira passagem para um processo de Wiener Jhon F.B. Gonzales 1 1 Mário de Castro A. Filho 1 2 Vera Lucia D. Tomazella 11 1 Introdução
Leia maisMODELAGEM DE SOBREVIVÊNCIA COM FRAÇÃO DE CURA PARA DADOS DE TEMPO DE VIDA WEIBULL MODIFICADA
MODELAGEM DE SOBREVIVÊNCIA COM FRAÇÃO DE CURA PARA DADOS DE TEMPO DE VIDA WEIBULL MODIFICADA Amanda Morales EUDES 1 Vera Lucia Damasceno TOMAZELLA 1 Vinicius Fernando CALSAVARA 2 RESUMO: Neste trabalho
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS
ISSN 0104-0499 UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS O MODELO WEIBULL MODIFICADA COM FRAÇÃO DE CURA Amanda Morales Eudes Vera Lúcia D. Tomazella Vinicius Fernando
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS
ISSN 0104-0499 UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS RISCOS COMPETITIVOS: UMA AVALIAÇÃO DE MÉTODOS DE ESTIMAÇÃO Agatha Sacramento Rodrigues Adriano Polpo de Campos
Leia maisModelos de Sobrevivência com fração de cura via Partição Bayesiana
Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística Modelos de Sobrevivência com fração de cura via Partição Bayesiana Jhon F. Bernedo Gonzales São
Leia maisModelos Defeituosos para Dados com Fraçao de Cura Baseado em Processo de Wiener
Modelos Defeituosos para Dados com Fraçao de Cura Baseado em Processo de Wiener Ricardo Rocha 1 Vera Tomazella 1 Saralees Nadarajah 2 1 Introdução Nos últimos anos a teoria de sobrevivência tem sido bastante
Leia maisMODELO COM FRAÇÃO DE INADIMPLENTES PARA DADOS DE LONGA DURAÇÃO: UMA APLICAÇÃO A DADOS FINANCEIROS
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Lucas Tonegi MODELO COM FRAÇÃO DE INADIMPLENTES PARA DADOS DE LONGA DURAÇÃO: UMA APLICAÇÃO A DADOS
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA ANÁLISE DE SOBREVIDA EM 90 HOMENS COM CÂNCER DE LARINGE
UNIVERSIDADE FEDERAL DO PARANÁ SETOR CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA ANÁLISE DE SOBREVIDA EM 90 HOMENS COM CÂNCER DE LARINGE Aluna: Scheylla Calazans Orientadora: Profa. Dra. Nívea S. Matuda
Leia maisO EFEITO DA PRESENÇA DE CENSURAS ALEATÓRIAS NOS INTERVALOS DE CONFIANÇA PARA OS PARÂMETROS DO MODELO LOG-LOGÍSTICO DUPLO
O EFEITO DA PRESENÇA DE CENSURAS ALEATÓRIAS NOS INTERVALOS DE CONFIANÇA PARA OS PARÂMETROS DO MODELO LOG-LOGÍSTICO DUPLO Cleber Giugioli CARRASCO Francisco LOUZADA-NETO RESUMO: O modelo log-logístico duplo
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisModelos de Intensidades Híbridos com Termos de Fragilidades e Estresse Limiar para Dados Univariados de Sobrevivência.
Modelos de Intensidades Híbridos com Termos de Fragilidades e Estresse Limiar para Dados Univariados de Sobrevivência. Cynthia A. V. Tojeiro * Francisco Louzada-Neto* *(CER-DEs-UFSCar, CP 676, 13565-905,
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisModelagem de Partição Bayesiana para Dados de Sobrevivência de Longa Duração. Jhon Franky Bernedo Gonzales
Modelagem de Partição Bayesiana para Dados de Sobrevivência de Longa Duração Jhon Franky Bernedo Gonzales UFSCar - São Carlos/SP Dezembro/2009 Livros Grátis http://www.livrosgratis.com.br Milhares de livros
Leia maisUNIVERSIDADE DE BRASÍLIA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE MESTRADO EM ESTATÍSTICA
UNIVERSIDADE DE BRASÍLIA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE MESTRADO EM ESTATÍSTICA Modelo Weibull discreto com fração de cura e excessos de zeros: uma aplicação sobre
Leia maisANÁLISE DE DADOS DE SOBREVIVÊNCIA NA PRESENÇA DE RISCOS COMPETITIVOS
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Eliane Ribeiro Carmes ANÁLISE DE DADOS DE SOBREVIVÊNCIA NA PRESENÇA DE RISCOS COMPETITIVOS Projeto
Leia maisCap 7 Modelo de Cox. Outline. 2 Cap 2 O tempo. 3 Cap 3 Funções de Sobrevida. 5 Modelo de Cox. Carvalho MS (2009) Sobrevida 1 / 22
Outline Cap 7 Modelo de Cox 1 Cap 1 Introdução 2 Cap 2 O tempo 3 Cap 3 Funções de Sobrevida 4 Cap 4 Não-Paramétrica 5 Modelo de Cox Carvalho MS (2009) Sobrevida 1 / 22 Riscos Proporcionais Cap 7 Modelo
Leia maisMODELO LOG-BURR XII PARA DADOS GRUPADOS E CENSURADOS
MODELO LOG-BURR XII PARA DADOS GRUPADOS E CENSURADOS José Nilton da CRUZ 1 Liciana Vaz de Arruda SILVEIRA 2 José Raimundo de Souza PASSOS 2 RESUMO: Dados grupados é um caso particular de dados de sobrevivência
Leia maisAPLICAÇÃO DO MÉTODO DE BUCKLEY-JAMES COMO ALTERNATIVA AO MODELO DE COX NA VIOLAÇÃO DA PRESSUPOSIÇÃO DE RISCOS PROPORCIONAIS.
APLICAÇÃO DO MÉTODO DE BUCKLEY-JAMES COMO ALTERNATIVA AO MODELO DE COX NA VIOLAÇÃO DA PRESSUPOSIÇÃO DE RISCOS PROPORCIONAIS. Rogério Antonio de OLIVEIRA 1 Giovanni Faria SILVA 2 Liciana Vaz de Arruda SILVEIRA
Leia maisRisco de Recuperação: Uma Aplicação de Modelo de Riscos Competitivos Latentes em Créditos Inadimplentes
45 Risco de Recuperação: Uma Aplicação de Modelo de Riscos Competitivos Latentes em Créditos Inadimplentes Mauro R. Oliveira Francisco Louzada 46 Sumário Neste artigo propomos uma metodologia para mensurar
Leia maisModelos de fração de cura com fatores latentes competitivos e fragilidade. Renato de Azevedo Silva
Modelos de fração de cura com fatores latentes competitivos e fragilidade Renato de Azevedo Silva Dissertação apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para obtenção
Leia maisINTRODUÇÃO AOS MODELOS DE FRAGILIDADES APLICADOS A DADOS DE LEUCEMIA LINFOBLASTÍCA
INTRODUÇÃO AOS MODELOS DE FRAGILIDADES APLICADOS A DADOS DE LEUCEMIA LINFOBLASTÍCA Roseane de Alcântara Costa (1); Manoel Joaquim Isidro (1); Tiago Almeida de Oliveira (4) Universidade Estadual da Paraíba,
Leia maisMODELOS DE SOBREVIVÊNCIA COM LONGA DURAÇÃO: UMA APLICAÇÃO A GRANDES BANCOS DE DADOS FINANCEIROS
MODELOS DE SOBREVIVÊNCIA COM LONGA DURAÇÃO: UMA APLICAÇÃO A GRANDES BANCOS DE DADOS FINANCEIROS Daniele Cristina Tita GRANZOTTO 1 Francisco LOUZADA NETO 2 Gleici da Silva Castro PERDONÁ3 RESUMO: Os modelos
Leia maisModelos Lineares Generalizados
Modelos Lineares Generalizados Emilly Malveira de Lima Análise de Dados Categóricos Universidade Federal de Minas Gerais - UFMG 10 de Maio de 2018 Emilly Malveira (PGEST-UFMG) 10 de Maio de 2018 1 / 20
Leia maisDimensionamento de ensaios de não inferioridade para o caso de grupos paralelos e resposta binária: algumas comparações
Dimensionamento de ensaios de não inferioridade para o caso de grupos paralelos e resposta binária: algumas comparações Introdução Arminda Lucia Siqueira Dimensionamento de amostras, importante elemento
Leia maisANÁLISE DE SOBREVIVÊNCIA (MÓDULO II)
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Estatística Aplicada ANÁLISE DE SOBREVIVÊNCIA (MÓDULO II) Franciely Farias da Cunha (201007840014), aluna do
Leia maisA distribuição Weibull Exponencial de Zografos
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. A distribuição Weibull Eponencial de Zografos Patrícia Silva N. Barros, PPGBEA - UFRPE / DCE - UFPB E-mail: patriciajp1408@hotmail.com Kleber Napoleão
Leia maisModelo de regressão log-weibull-exponenciada para dados com censura intervalar
XIII SEMANA da ESTATÍSTICA Universidade Estadual de Maringá Modelo de regressão log-weibull-exponenciada para dados com censura intervalar Elizabeth Mie Hashimoto Departamento Acadêmico de Matemática -
Leia maisModelo de Mistura Padrão de Longa Duração com Censura Uniforme-Exponencial. Josenildo de Souza Chaves
Modelo de Mistura Padrão de Longa Duração com Censura Uniforme-Exponencial Josenildo de Souza Chaves Livros Grátis http://www.livrosgratis.com.br Milhares de livros grátis para download. Modelo de Mistura
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisFamília Kumaraswamy-G para analisar dados de sobrevivência de longa duração. Amanda Morales Eudes
Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração Amanda Morales Eudes SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: Assinatura: Família Kumaraswamy-G para analisar
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS
ISSN 0104-0499 UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS MODELOS DE SOBREVIVÊNCIA COM FRAÇÃO DE CURA PARA DADOS DE TEMPO DE VIDA WEIBULL MODIFICADA GENERALIZADA Vinicius
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisAnderson Garneth de Castro 1 Graziela Dutra Rocha Gouvêa 2
Identificação dos fatores que influenciam no tempo até a evasão/ retenção dos alunos do ICEB-UFOP utilizando técnicas paramétricas em Análise de Sobrevivência Anderson Garneth de Castro 1 Graziela Dutra
Leia maisUma investigação de métodos para o estudo da influência da incerteza em dados experimentais de vida acelerada
Uma investigação de métodos para o estudo da influência da incerteza em dados experimentais de vida acelerada Autores Maria Celia de Oliveira Papa Orientador Alvaro Jose Abackerli 1. Introdução Uma das
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisMODELANDO DADOS DE SOBREVIVÊNCIA E CONFIABILIDADE COM FUNÇÕES DE RISCOS EM FORMA DE U VIA MODELO WEIBULL DUPLO
MODELANDO DADOS DE SOBREVIVÊNCIA E CONFIABILIDADE COM FUNÇÕES DE RISCOS EM FORMA DE U VIA MODELO WEIBULL DUPLO Fernanda Regiane Zanforlin de ALMEIDA 1 Francisco LOUZADA-NETO 1 Christiano Santos ANDRADE
Leia maisModelo de regressão Beta
Modelo de regressão Beta Fernando Lucambio Pérez Departamento de Estatística Universidade Federal do Paraná Agosto de 2004 1 Consideremos uma situação em que a variável resposta contínua é restrita ao
Leia maisAline Campos Reis de Souza Instituto de Matemática e Estatística - Universidade de São Paulo Antonio Carlos Pedroso de Lima. 30 de abril de 2018
Modelos conjuntos para dados longitudinais e de sobrevivência: uma aplicação a dados de qualidade de vida e tempo de sobrevivência de pacientes com câncer. Aline Campos Reis de Souza Instituto de Matemática
Leia maisANÁLISE DE SOBREVIVÊNCIA. Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP
ANÁLISE DE SOBREVIVÊNCIA Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP Objetivo Estudar o tempo desde um instante inicial até a ocorrência de um evento (alha). Estudar o tempo de sobrevida de
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisAnálise do tempo até a re-hospitalização de pacientes com esquizofrenia via modelo de riscos proporcionais de Cox
ARTIGO ORIGINAL DOI: 10.5433/1679-0375.2016v37n2p51 Análise do tempo até a re-hospitalização de pacientes com esquizofrenia via modelo de riscos proporcionais de Cox Analysis of the time to re-hospitalization
Leia maisDistribuição Generalizada de Valores Extremos (GVE): Um estudo aplicado a valores de temperatura mínima da Cidade de Viçosa-MG
Distribuição Generalizada de Valores Extremos (GVE): Um estudo aplicado a valores de temperatura mínima da Cidade de Viçosa-MG Eduardo Campana Barbosa 12 Carlos Henrique Osório Silva 3 Rômulo César Ricardo
Leia maisUniversidade de Brasília
Universidade de Brasília Análise de sobrevivência e sua aplicação nas ciências sociais Juliana Betini Fachini Gomes Leylannne Nayra Figueira de Alencar Departamento de Estatística Brasília - 2018 Como
Leia maisA DISTRIBUIÇÃO BETA BINOMIAL NEGATIVA. Ana Paula Coelho Madeira SILVA 1 Lucas Monteiro CHAVES 1
A DISTRIBUIÇÃO BETA BINOMIAL NEGATIVA Ana Paula Coelho Madeira SILVA Lucas Monteiro CHAVES RESUMO: Os modelos de mistura de distribuições são métodos flexíveis de modelar funções de distribuições de probabilidades
Leia maisANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS
ANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS 1. A tabela a seguir apresenta o tempo, em dias, até a ocorrência dos primeiros sinais de alterações indesejadas no estado geral de saúde de 45 pacientes
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisUtilizando a função auto.arima em modelos de séries temporais
Utilizando a função auto.arima em modelos de séries temporais Erasnilson Vieira Camilo 1 2 Marina Rodrigues Maestre 1 Rick Anderson Freire Mangueira 1 Elias Silva de Medeiros 1 Cristian Villegas 1 1 Introdução
Leia maisQuantis residuais. Luziane Franciscon Acadêmica de Estatística Universidade Federal do Paraná
Quantis residuais Luziane Franciscon Acadêmica de Estatística Universidade Federal do Paraná Orientador: Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Resumo Uma etapa importante
Leia maisMODELOS PARA DADOS DE SOBREVIVÊNCIA MULTIVARIADOS COM CENSURA INFORMATIVA
MODELOS PARA DADOS DE SOBREVIVÊNCIA MULTIVARIADOS COM CENSURA INFORMATIVA Silvana Schneider Departamento de Estatística - ICEx - UFMG Julho de 2017 MODELOS PARA DADOS DE SOBREVIVÊNCIA MULTIVARIADOS COM
Leia maisMODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 MODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Leia maisUniversidade de Brasília. Análise de Sobrevivência Aplicada ao Risco de Crédito:
Universidade de Brasília Instituto de Exatas Departamento de Estatística Análise de Sobrevivência Aplicada ao Risco de Crédito: Ajuste de Modelos Paramétricos Contínuos a Dados de Tempo Discretos Thiago
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1/43 Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Modelo de Cox Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisExtensões dos Modelos de Sobrevivência referente a Distribuição Weibull
Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística Extensões dos Modelos de Sobrevivência referente a Distribuição Weibull Valdemiro Piedade Vigas
Leia maisModelos com erros nas variáveis: teoria e
Modelos com erros nas variáveis: teoria e aplicações Alexandre Galvão Patriota Agradecimentos à Fapesp, Cnpq e Capes pelo apoio financeiro Alexandre G. Patriota (patriota@ime.usp.br) Modelos com erros
Leia maisJhon Franky Bernedo Gonzales
Jhon Franky Bernedo Gonzales Curriculum Vitae jhonbg@gmail.com "Statisticians are the modern explorers." D.J. Hand Bachiller en Matemáticas desde el 2005 por la Universidad Nacional de San Agustín (Arequipa-
Leia maisANÁLISE DE SOBREVIVÊNCIA NA PRESENÇA DE CENSURA INFORMATIVA: UMA ABORDAGEM BAYESIANA
ANÁLISE DE SOBREVIVÊNCIA NA PRESENÇA DE CENSURA INFORMATIVA: UMA ABORDAGEM BAYESIANA Renata Camila de Souza Departamento de Estatística - ICEx - UFMG Junho de 2015 ANÁLISE DE SOBREVIVÊNCIA NA PRESENÇA
Leia maisAplicação do modelo de Quase-Verossimilhança
Aplicação do modelo de Quase-Verossimilhança Fábio Hideto Oki 1 1 Introdução O câncer é uma doença de proporção mundial, atingindo só no Brasil cerca de 350 mil pessoas por ano e é caracterizado pela mutação
Leia maisAnálise de Sobrevivência. Exercícios - Capítulo 1
Análise de Sobrevivência Profa. Suely Ruiz Giolo Departamento de Estatística - UFPR Exercícios - Capítulo 1 1. Suponha que seis ratos foram expostos a um material cancerígeno. Os tempos até o desenvolvimento
Leia maisAnálise Estatística de Sobrevivência: um estudo de pacientes com câncer de mama tratados no município de Curitiba
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística Ana Flávia do Carmo Santos Felipe Werner Análise Estatística de Sobrevivência: um estudo de pacientes com câncer de mama
Leia maisO uso do Modelo de Cox para estimação da probabilidade de permanência no rebanho de fêmeas da raça Nelore
O uso do Modelo de Cox para estimação da probabilidade de permanência no rebanho de fêmeas da raça Nelore Sabrina Luzia Caetano 1,2,3,5 Guilherme J. M. Rosa 3 Rodrigo Pelicioni Savegnago 1,2 Salvador Boccaletti
Leia maisExemplos Modelos Binomiais de Dose-Resposta
Exemplos Modelos Binomiais de Dose-Resposta p. 1/14 Exemplos Modelos Binomiais de Dose-Resposta Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Leia maisMedida de Risco via Teoria de Valores Extremos. Análise de Risco (8) R.Vicente
Medida de Risco via Teoria de Valores Extremos Análise de Risco (8) R.Vicente 1 Resumo EVT: Idéia geral Medidas de risco Teoria de Valores Extremos (EVT) Distribuição de Máximos Distribuição de Exceedances
Leia maisESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS DO CURSO DE ESTATÍSTICA DA UFPR
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Bruno Rosevics Estevão Batista do Prado ESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS
Leia maisModelos Lineares Generalizados - Componentes do Modelo
Modelos Lineares Generalizados - Componentes do Modelo Erica Castilho Rodrigues 01 de Abril de 2014 3 Vejamos agora quais as componentes de um Modelo Linear Generalizado. Temos um conjunto de variáveis
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA PAULO CERQUEIRA DOS SANTOS JUNIOR MODELOS SEMIPARAMÉTRICOS PARA DADOS
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE LAVRAS
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE GRADUAÇÃO EMENTA E CONTEÚDO PROGRAMÁTICO Carga horária Código Denominação Créditos ( ) Teórica Prática Total GEX112 Estatística 04
Leia maisO passo inicial de qualquer análise estatística consiste em uma descrição dos dados através de análise descritiva (tabelas, medidas e gráficos).
TÉCNICAS NÃO-PARAMÉTRICAS O passo inicial de qualquer análise estatística consiste em uma descrição dos dados através de análise descritiva (tabelas, medidas e gráficos). Como a presença de censura invalida
Leia maisESTIMAÇÃO BAYESIANA DAS FRAGILIDADES INDIVIDUAIS DE PACIENTES COM INSUFICIÊNCIA RENAL CRÔNICA DA CIDADE DE LAVRAS-MG
ESTIMAÇÃO BAYESIANA DAS FRAGILIDADES INDIVIDUAIS DE PACIENTES COM INSUFICIÊNCIA RENAL CRÔNICA DA CIDADE DE LAVRAS-MG Graziela Dutra Rocha GOUVÊA1 Vera Lúcia Damasceno TOMAZELLA 2 João Domingos SCALON 3
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Padrão Pontual
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Padrão Pontual Padrão de Pontos A análise de padrão de pontos, é o tipo mais simples de análise
Leia maisANÁLISE DO TEMPO DE PERMANÊNCIA DE TRABALHADORES NO MERCADO DE TRABALHO DO DISTRITO FEDERAL VIA MODELO DE RISCOS PROPORCIONAIS DE COX E LOG-NORMAL
ANÁLISE DO TEMPO DE PERMANÊNCIA DE TRABALHADORES NO MERCADO DE TRABALHO DO DISTRITO FEDERAL VIA MODELO DE RISCOS PROPORCIONAIS DE COX E LOG-NORMAL Rayany de Oliveira SANTOS 1 Eduardo Yoshio NAKANO 1 Resumo:
Leia maisModelos flexíveis para dados de tempo de vida em um cenário de riscos competitivos e mecanismos de ativacão latentes
SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: Assinatura: Modelos flexíveis para dados de tempo de vida em um cenário de riscos competitivos e mecanismos de ativacão latentes José Julio Flores
Leia maisAvaliação e correções de testes de hipóteses em modelos de sobrevivência com fração de cura
Universidade Federal do Rio Grande do Norte Centro de Ciências Exatas e da Terra Programa de Pós-Graduação em Matemática Aplicada e Estatística Laís Helen Loose Avaliação e correções de testes de hipóteses
Leia maisTEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS.
TEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS. 1. INTRODUÇÃO Nosso planeta seguiu uma evolução desde sua origem, passando por transformações significativas em sua
Leia maisInfluencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
Leia maisPROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO
PROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO O método de máxima verossimilhança somente deve ser aplicado após ter sido definido um modelo probabilístico adequado para os dados. Se um modelo for usado
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisAplicações das Distribuições Weibull Modificada e Beta-Weibull na Presença de Frações de Cura sob o Enfoque Frequentista e Bayesiano.
Universidade Estadual de Maringá Programa de Pós-graduação em Bioestatística MARCOS VINICIUS DE OLIVEIRA PERES Aplicações das Distribuições Weibull Modificada e Beta-Weibull na Presença de Frações de Cura
Leia maisMeta-análise: comparação de proporções para o caso de duas amostras independentes
Meta-análise: comparação de proporções para o caso de duas amostras independentes Arminda Lucia Siqueira 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 Luana Sílvia dos Santos 1 Pollyanna Vieira Gomes da Silva
Leia maisANÁLISE DE SOBREVIDA DE PACIENTES COM CÂNCER DE OVÁRIO DE UM CENTRO MÉDICO DE CURITIBA
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Michele Mottin Renato de Souza Brito ANÁLISE DE SOBREVIDA DE PACIENTES COM CÂNCER DE OVÁRIO DE UM
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisModelo de Regressão Log Weibull com fração de cura para dados grupados
Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Elisângela Candeias Biazatti Modelo de Regressão Log Weibull com fração de cura para dados grupados Brasília 2017 2 Elisângela
Leia maisAnálise do tempo até o alivio da dor em pacientes com dor lombar crônica via modelo de riscos proporcionais de Cox
Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Análise do tempo até o alivio da dor em pacientes com dor lombar crônica via modelo de riscos proporcionais de Cox Jéssica
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisModelos de Sobrevivência na Presença de Eventos Recorrentes e Longa Duração
Modelos de Sobrevivência na Presença de Eventos Recorrentes e Longa Duração Juliana Cobre Orientador: Prof. Dr. Francisco Louzada Neto São Carlos Março de 2010 Modelos de Sobrevivência na Presença de Eventos
Leia maisANÁLISE DE SOBREVIDA DE PACIENTES COM CIRROSE BILIAR PRIMÁRIA
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Cristiane Ullmann Larissa Andressa Souza ANÁLISE DE SOBREVIDA DE PACIENTES COM CIRROSE BILIAR PRIMÁRIA
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisModelos de fração de cura de mistura e não-mistura na distribuição Weibull Modicada Generalizada
Modelos de fração de cura de mistura e não-mistura na distribuição Weibull Modicada Generalizada Eduardo Cardoso de Oliveira Orientador: Prof. Dr. Jorge Alberto Achcar Coorientador: Prof. Dr. Mario Hissamitsu
Leia maisANÁLISE DE DADOS DE SOBREVIDA PARA PACIENTES COM CÂNCER NA MAMA: UMA APLICAÇÃO ASSUMINDO MODELOS DE FRAÇÃO DE CURA SOB O ENFOQUE BAYESIANO
ANÁLISE DE DADOS DE SOBREVIDA PARA PACIENTES COM CÂNCER NA MAMA: UMA APLICAÇÃO ASSUMINDO MODELOS DE FRAÇÃO DE CURA SOB O ENFOQUE BAYESIANO Tatiana Reis ICUMA 1 Isabela Panzeri Carlotti BUZATTO 2 Daniel
Leia mais