Análise de Sobrevida EPI-5700
|
|
- Augusto Fonseca Minho
- 5 Há anos
- Visualizações:
Transcrição
1 Análise de Sobrevida EPI-5700 Profa. Dra.Maria do Rosario D.O. Latorre Monitora: Franciane Figueiredo da Silva 2016 FSP/USP
2 Cronograma MAIO 18 Delineamento de estudos; introdução à análise de sobrevida. 25 Tábua de vida atuarial; estimador produto-limite de Kaplan-Meier. JUNHO 1 - estimador produto-limite de Kaplan-Meier. 8 não haverá aula 22- Modelo de Riscos Proporcionais de Cox seminário 1 Modelo de Riscos Proporcionais de Cox. JULHO 6 outros modelos de regressão em análise de sobrevida. Seminário prova
3 Locais de aula Sala Samuel Gurgel Branco (teoria) Sala de Informática HEP (exercícios e prova)
4 Roteiro para preparação dos seminários 1. Qual é o delineamento do estudo? 2. Quais os objetivos do trabalho? 3. Como foi selecionada a amostra? Foi feito o cálculo do tamanho da mesma? 4. Qual(ais) a(s) metodologia(s) estatística(s) utilizada(s) para a análise dos dados? Com que objetivo? As suposições foram satisfeitas? 5. Qual a variável dependente? E as independentes? Classifique-as como quantitativa ou qualitativa. 6. Caso tenha sido feito modelo de regressão, como foi o processo de modelagem? 7. Quais os principais problemas encontrados nas análises estatísticas? Como foram contornados? 8. Foi testada interação? Há referências de variáveis de confusão? 9. Quais as conclusões do(s) autor(es)? 11. A análise estatística foi útil? Por que? O modelo foi adequado para a análise? Por que? 12. Quais as críticas ao trabalho? (Se houver).
5 Referências Bibliográficas COX DR. Regression models and life tables (with discussion). J. R. Stat. Soc., Series B, 34: , CARVALHO MS; ANDREOZZI VL; CODEÇO CT; BARBOSA MTS; SHIMAKURA SE. Análise de sobrevida: Teoria e aplicações em Saúde. Editora fiocruz DAWSON-SAUNDERS B; TRAPP RG. Basic & Clinical Biostatistics. New York: Lange Medical Books/McGraw-Hill, 3rd edition,2001. HARRIS EK; ALBERT A. Survivorship analysis for clinical studies. New York, Marcel Dekker Inc, HOLCMAN MM. Avaliação do efeito das perdas de seguimento nas análises feitas pelo estimador produto-limite de Kaplan-Meier e pelo modelo de riscos proporcionais de Cox. Tese de doutorado. FSP KLEINBAUM DG. Survival Analysis: a self learning text.new York. Spri-Verlag ed LEE ET. Statistical methods for survival data analysis. 2nd ed. New York, John Wiley & Sons INC, SANTOS JLF; LEVY MSF; SZMRECSÁNYI T. Dinâmica da população - teoria, métodos e técnicas de análise. Biblioteca Básica de Ciências Sociais - vol.3, São Paulo, T.A. Queiroz, Editor, Ltda, Therneau TM, Grambsch PM. Modeling survidal data: extendig the Cox model. Springer, LATORRE MRDO. Análise de sobrevivência. In: MASSAD E; MENEZES RX; SILVEIRA PSP; ORTEGA NRS. Métodos Quantitativos em Medicina. Ed. Manole. São Paulo, 2004.
6 variável de interesse variável dependente variável resposta QUANTITATIVA DICOTÔMICA OUTROS TEMPO ATÉ A OCORRÊNCIA DE UM EVENTO DE INTERESSE
7 ANÁLISE DE SOBREVIDA dt diagnóstico óbito dt cirurgia recidiva óbito cura
8 ANÁLISE DE SOBREVIDA dt nascimento outro alimento dt nascimento chá, água leite artif. leite artificial
9 ANÁLISE DE SOBREVIDA Variável de interesse (dependente): o tempo até o aparecimento de um evento: óbito, recaída, cura, etc. Variáveis independentes (ou covariáveis ou fatores de risco ou fatores prognósticos): sexo, idade, tratamento, etc.
10 acompanhamento (estudos de coorte, ensaios clínicos) 6m introdução de alimento 7 m perda 5 m 8 m introdução do alimento término do estudo
11 análise 6m 7 m introdução de alimento - evento perda (censura) 5 m introdução do alimento - evento t0 8 m término do estudo (censura)
12 DEFINIÇÕES Tempo: é a diferença entre a data de entrada do indivíduo no estudo e a data de ocorrência do evento de interesse (falha), ou data do término do estudo ou data da ocorrência de algum evento que não permita o seguimento. Falha: tempo de observação completo. Censura: tempo de observação incompleta à direita (perdidos de seguimento, término do estudo, óbito por outra causa, transplante, abandono do estudo, etc). Importante relatar qual a porcentagem de pacientes com perda de seguimento. Recomendável: perdas até 10%. Os inícios são truncados à esquerda. Censura a esquerda: não se sabe o início do evento de interesse. Censura no intervalo: quando o paciente é avaliado em intervalos de tempo.
13 Técnicas estatísticas mais utilizadas tábuas de vida atuarial. modelos lineares generalizados: modelos de regressão de Cox (variável tempo-dependente ou não). modelos de regressão para medidas repetidas.
14 as primeiras tábuas de vida Sir William Petty e Sir John Graunt ( ), no século XVII, foram os pioreiros da estatística vital e da estatística aplicada à medicina. Edmund Halley ( ):1693 propôs a primeira tábua de vida de grande importância para a demografia, analisando os dados de óbitos ocorridos em Breslaw entre 1683 e (An estimate of the degrees of the Mortality of Mankind drawn from curious Tables of the Births and Funerals at the city of Breslaw: with an Attempt to ascertain the Price of Annuities upon Lives ).
15 Funções tempo: va contínua, não negativa (T0) função densidade de probabilidade (f(t)): f ( t) lim0 t 1. Pde t um função distribuição de prob.acumulada (F(t)): individuo morrer t Ft PT t f s ds 0 entre t e t t
16 Funções função de probabilidade de sobrevida acumulada ( taxa de sobrevida ): S(t) S t P T t 1 F t f s ds função de riscos (hazard function) : h(t) t lim Pt T t t / T t h t Ft 1 f t t0 t 1 f t S t
17 Funções função de riscos acumulada: H(t) t ln H t h s ds S t 0 S t exp H t
18 TÉCNICAS ESTATÍSTICAS fornecem as probabilidades de sobrevida acumulada (taxas de sobrevida) Método atuarial (tábua de vida atuarial) eventos e censuras ocorrem uniformemente durante cada intervalo. observações censuradas têm a mesma probabilidade de sofrerem o evento que aquelas que permanecem em observação. Método de Kaplan-Meier observações censuradas têm a mesma probabilidade de sofrerem o evento que aquelas que permanecem em observação.
19 Tábua de vida atuarial observações completas (s/censura) observações incompletas (c/ censura) intervalos de tempo fixos
20 1- Tábua de vida atuarial com observações completas (sem censura) com intervalos de tempo fixo d x : número de óbitos que ocorreu no intervalo x, l x : número de pessoas expostas ao risco de morrer no início do intervalo x, q x : probabilidade de morrer no intervalo x, e p x : probalidade de sobreviver no intervalo x.
21 q p x x ht d l x x 1 q l x x d (7) x d x 2 l x l x d x (8), dado que T > t St x-1 n q t 1 x0 x p x x t 1 x0 l x n. M x 1 a. n. M x l x d x a x = fator de separação na faixa etária x n M x = coeficiente de mortalidade específico para a faixa etária x n x = número de anos na faixa etária 0, 8, para < 1 ano 0,7, para 1 a 4 anos 0,5, para 5 anos e mais
22 2. Tábua de vida atuarial incorporando a censura Supõe-se que as censuras ocorreram uniformemente durante o período x e o número de indivíduos expostos corrigidos pela censura (l* x ) passa a ser: l * l x x w x 2 onde: w x = número de pessoas que terminaram vivas o estudo, no intervalo x u x = número de pessoas perdidas de observação As fórmulas das funções de sobrevivência permanecem as mesmas, porém o número de expostos ao risco no início do período x é l x *: u x
23 h t d l d 2, dado que T > t x x x x-1 q d l p q l d l x x x x x x x x (7) (8) 1 S t p l d l x x t x x x x t
24 Exemplo de cálculo da tábua de vida atuarial Tabela 1. Cálculo da probabilidade de sobrevida observada pelo método atuarial (casos incidentes de câncer de estômago em Campinas, SP, entre 1991 e 1994) ntervalo (anos) Vivo ao início do intervalo Número de óbitos no intervalo Número de pessoas perdidas de observação no intervalo Efetivo exposto ao risco de morrer Probabilidade condicional de morte Probabilidade condicional de sobrevida Probabilidade acumulada de sobrevida ao final do intervalo (i) (l i ) (d i ) (w i ) (l*x) (qx) (p*x) S(t) * wx Onde: ( l l x x ), (q i =d i /l*) e (p j = 1-q i ). 2
25 Exemplo de cálculo da tábua de vida atuarial Tabela 1. Cálculo da probabilidade de sobrevida observada pelo método atuarial (casos incidentes de câncer de estômago em Campinas, SP, entre 1991 e 1994) ntervalo (anos) Vivo ao início do intervalo Número de óbitos no intervalo Número de pessoas perdidas de observação no intervalo Efetivo exposto ao risco de morrer Probabilidade condicional de morte Probabilidade condicional de sobrevida (i) (l i ) (d i ) (w i ) (l* i ) (q i ) (p* x ) S(t x ) Probabilidade acumulada de sobrevida ao final do intervalo ,5 0, , , , , , , , , , , , , , ,08473 * wx Onde: ( l l x x 2 ), (q i =d i /l*) e (p j = 1-q i ).
26 Probabilidade de sobrevida acumulada para câncer de estômago, em Campinas-SP, (método atuarial) 1 S obre vida acum u la 0,8 0,6 0,4 0, m eses após o diagnóstico
27 Exemplo Tabela 2: exemplo do cálculo da probabilidade de sobrevida acumulada. tempo lx dx ux wx l'x q'x=dx/l'x p'x=1-q'x S(x)
28 Exemplo Tabela 1: exemplo do cálculo da probabilidade de sobrevida acumulada. tempo lx dx ux wx l'x q'x=dx/l'x p'x=1-q'x S(x) ,5 0,14 0,86 0, ,5 0,15 0,85 0, ,0 0,13 0,87 0, ,5 0,23 0,77 0, ,5 0,41 0,59 0,29 S(t) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, tempo (meses)
29 Propostas de cálculo de S(t) 1950: Berkson J.; Gage RP. Calculation of survival rates for cancer. Proc.Staff Meet. Mayo Clin. 25: : Merrel M; Shulman LE. Determination of prognosis in chronic disease, illustrated by systemic lupus erythematosus. J.Chron.Dis.1: : Kaplan EL; Meier P. Nonparametric estimation from incomplete observations. American Statistical Association Journal.58: Paul Meier
30 Método de Kaplan-Meier caso particular da tábua de vida onde a divisão de tempo não é arbitrária, mas determinada sempre que aparece uma falha (por exemplo, o óbito). Nessa situação, o número de falhas em cada intervalo deve ser 1. os indivíduos devem ser ordenados em ordem crescente do tempo de sobrevida (t 1 t 2... t n ). Os sobreviventes ao tempo t (l t ) são estimados por: n j lt l0. pt l0. * n * j 1
31 l j i p j PT t j / T t j 1, onde l j i = 1, se for falha i = 0, se for censura St t j 0 l j l j i, onde i = 1, se for falha i = 0, se for censura No caso de haver empate, o maior valor de i é utilizado na fórmula, como por exemplo, se t 2 t t p t p t p t l 2 4 l 2
32 Exemplo: tábua de vida atuarial, com dados censurados (Kaplan-Meier) Objetivo: estudar os fatores prognósticos de pacientes com mielodisplasia na infância. Y: tempo entre a data do diagnóstico e o óbito. Xi: características demográficas e clínicas.
33 Resultados: sobrevida sexo idade 1,0 1,0,8,8,6,6,4,4 IDADE 6 e + SEXO,2 fem Cum Survival (%) 0, masc Cum Survival (%),2 0,0 2-5 <2, meses meses p=0,0319 (teste log rank) p=0,8718 (teste log rank)
34 Exemplo de cálculo- Kaplan-Meier Tabela 3. Cálculo da probabilidade de sobrevida observada pelo método de Kaplan-Meier (casos incidentes de câncer de estômago em homens com idade entre 45 e 54 anos, Campinas, SP, entre 1991 e 1994) Meses após o diagnóstico Número de vivos no início do mês Óbitos Censuras Probabilidade condicional de morte Probabilidade condicional de sobrevida Probabilidade acumulada de sobrevida (i) (l i ) (d i ) (w i ) (q i = d i / l i ) (p i =1- q i ) S(t i )
35 Exemplo de cálculo- Kaplan-Meier Tabela 2. Cálculo da probabilidade de sobrevida observada pelo método de Kaplan-Meier (casos incidentes de câncer de estômago em homens com idade entre 45 e 54 anos, Campinas, SP, entre 1991 e 1994) Meses após o diagnóstico Número de vivos no início do mês Óbitos Censuras Probabilidade condicional de morte Probabilidade condicional de sobrevida Probabilidade acumulada de sobrevida (i) (l i ) (d i ) (w i ) (q i = d i / l i ) (p i =1- q i ) S(t i ) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,07779
36 Na comparação das curvas de sobrevivência acumulada entre diferentes categorias de uma mesma variável, recomenda-se utilizar o teste log-rank, que se baseia no confronto entre os eventos observados em cada categoria e aqueles esperados. A diferença entre as falhas observadas e as esperadas é avaliada pelo teste do quiquadrado.
37 Teste do log-rank 2 categorias (i=2) é um teste pelo qui-quadrado, onde: j j j j j j m m x n n n e j j j j j j d d x l l l e
38 Teste do log rank 2 categorias (i=2) 1 log log 1 rank j j j j j j j j j j j j j i i i i i i rank n n x n n m m n n x m m x x n n E O Var E O Var E O
39 Taxa de sobrevida relativa utilizada quando se trabalha com tábua de vida atuarial, de base populacional. corrige a mortalidade devido a outras causas e informações incompletas de mortalidade. taxa de sobrevida observada TSR taxa de sobrevida esperada S( t) do grupo em estudo S(t) da tábua de vida atuarial para dados completos
40 Taxa de sobrevida relativa padronizada por idade Utilizada quando se deseja fazer comparação das taxas de sobrevida entre populações com estruturas etárias diferentes.
41 Modelo de riscos proporcionais de Cox Sir David R.Cox (1924- ) Regression models and lifetables Journal of the Royal Statistical Society. 34: ; 1975.
42 Modelo de riscos proporcionais de COX /,,...,. exp... h t X X X h t X X X 1 2 k k k onde h t f 1 t t F f S t t
43 /,,...,. exp... h t X X X h t X X X 1 2 k k k h0(t) é a parte não paramétrica do modelo e em estudos onde o objetivo é estimar fatores prognósticos, não há interesse em defini-la (pois é comum a todos os indivíduos). Se houver interesse em estimá-la, geralmente supõe-se que ela tenha uma distribuição exponencial ou Weibull. Os coeficientes de regressão (ßi) são estimados pelo método da máxima verossimilhança parcial.
44 h t / X, X,..., X 1 2 h t 0 k exp X X... X (17) k k O quociente h t / X, X,..., X 1 2 h t 0 k é chamado função das razões de riscos - HR(i) - (relative hazard function) ou de índice prognóstico (prognostic index). Essa razão fornece a relação entre a função de riscos de um indivíduo do estudo comparada à de um indivíduo cuja função de riscos é h 0 (t) (ou seja, com um indivíduo para quem X 1 =X 2 =...=X k =0): exp... HR i HR X X X i 1 i1 2 i2 k ik
45 Para uma específica variável independente X i, por exemplo dicotômica (isto é, X i pode assumir apenas dois valores: 0-ausência e 1-presença), pode-se escrever o modelo de Cox (18) da seguinte maneira: /, 0.exp para X 1 h t X 1 X h t X X X 1 i i j i j j i /, 0.exp para X 0 h t X 0 X h t X X X 0 hazard ratio): i i j i j j i Dividindo-se estas duas funções tem-se a razão das funções de riscos (HR- HR X i h t / X 1, X i j i h t / X 0, X HR X i i j i logo, exp i.exp... j j i h0 t.exp 1X1 2 X 2... j X j h t X X X
46 Modelo de riscos proporcionais de Cox exp... h t X X HR X HR X... HR X exp1 exp 2 2 exp k k k k L o g Gráfico 21. ln(-ln(s(t))) para insuficiência renal terminal 1 0 L o g 1 0 Gráfico 23. ln(-ln(s(t))) para presença de env. cárdio-pulmonar m i n u s l o g IRT sim não 18 m i n u s l o g envolvimento pulmão+coração coração pulmão nenhum 18 tempo(anos) Suposição: os riscos são proporcionais ao longo do tempo tempo(anos)
47 Suposições básicas Os riscos são proporcionais ao longo do tempo. Os indivíduos são independentes. A probabilidade de falha para um indivíduo com tempo de observação incompleto (censura) é a mesma de um indivíduo que teve falha.
48 Como verificar a proporcionalidade dos riscos? Gráficos do ln (-ln(s(t))). Análise dos resíduos de Schoenfeld: Análise gráfica. Teste de hipóteses: Ho: os riscos não mudam no tempo. Há: os riscos mudam no tempo.
49 Teste de hipóteses Modelo geral : teste da razão de máxima verossimilhança H H o a : :o modelo é adequado, k ie existe pelo um 0 G ~ 2 k,onde k : numero de 's do modelo
50 Teste de hipóteses Para cada coeficiente de regressão 0,1 ~ onde, 1 : 0 : H 1 : 0 : H ^ ^ 0 ^ a 0 ^ 0 N W SE W X HR H X HR H ic i i i i i i i
51 Exemplo: modelo de Cox Objetivo: propor um escore preditivo de recorrência em pacientes submetidas a tratamento cirúrgico radical do carcinoma do colo do útero estádios IB e IIA. Y: tempo até a recorrência. Xi: características sócio-demográficas,história reprodutiva, clínicas e do tratamento. Fregnani, Latorre, 2004.
52 Resultados da análise múltipla Idade abaixo de 35 anos (HR=3,67) Estar na menopausa (HR=2,19) Ter mais que 4 gestações anteriores (HR=2,5) presença de linfonodos metastáticos 1ou 2: HR=2,9 3 ou + : HR= 6,4 Linfopenia relativa (<15%) (HR=3,4) Eosinofilia relativa (>10%) (HR=2,4)
53 Elaboração de um escore preditivo para recidiva min =0,765 e max =0,1858 =1,093 1o. terço: 1 ponto 2o. terço: 2 pontos 3o. terço: 3 pontos Idade< 35 anos: 2 Menopausa: 1 + que 4 gestações: 1 1 ou 2 linf.met.: 1 3 ou + linf. met.: 3 Linfopenia(<15%):2 Basofilia (>1%): 3 Eosinofilia (>10%):1
54 Baixo risco: 0-1 ponto 1,0,9 Baixo risco,8,7 Risco intermediário Risco interm: 2-3 ptos,6,5,4,3,2,1 EPR-3 log rank: p < 0,0001 Alto risco Alto risco: 4-6 pts 0, meses
55 Problemas metodológicos que podem afetar as estimativas das probabilidades de sobrevida e que podem ser controlados na análise mortalidade por outras causas eventos ocorrem em indivíduos agrupados (residência, hospital) falhas no seguimento Bustamante-Teixeira; Faerstein, Latorre,2002
56 Variável tempo-dependente utilizar o modelo de Cox modificado; utilizar modelo de Processos de Contagem; incorporar a variável no modelo convencional. Latorre, 1996
57 Medidas repetidas ocorrência de vários eventos no mesmo indivíduo ocorrência de eventos competitivos ao longo do seguimento Maria do Rosario D.O. Latorre
58 problema: a maioria dos modelos estatísticos assumem independência nos tempos de falha solução: modificar a estrutura de variância
59 novas abordagens modelos MLG para dados longitudinais: modelos multinível: é feita uma partição da variância, de acordo com os níveis (cidade, hospital, médico, mãe, indivíduo) modelos de transição: processos de Markov
60 novas abordagens variância robusta: é feito um ajuste na variância dos estimadores tradicionais (SAS, Stata, S-Plus). Modelos para eventos múltiplos. modelos de fragilidade (frailty): assume-se que os indivíduos de um mesmo grupo têm uma fragilidade em comum (w), que tem um efeito multiplicativo sobre a h(t).
61 Variáveis: Tempo-dependentes: idade, hospitalização, CD4, carga viral, desnutrição, anemia grave, doença leve ou moderada, doença grave, ART e classificação CDC. Tempo-independente: sexo
62 Eventos Múltiplos (Falhas Múltiplas) Classificação segundo ordem: Ordenados: 2º evento não pode ocorrer antes do 1º evento. Não ordenados: podem ocorrer em qualquer seqüência, em tempos diferentes ou simultaneamente. CLEVES, 1999; THERNEAU e GRAMBSCH, 2000
63 Classificação segundo risco basal no tempo: Ordenados - independentes: risco basal idêntico - risco concomitante (condicional): variação no risco basal Não ordenados: - competitivos: desfechos são excludentes - paralelos: eventos independentes podendo variar em número e tipo CARVALHO, 2005; THERNEAU e GRAMBSCH, 2000
64 Classificação segundo risco basal no tempo: Ordenados - independentes: risco basal idêntico - risco concomitante (condicional): variação no risco basal Não ordenados: - competitivos: desfechos são excludentes - paralelos: eventos independentes podendo variar em número e tipo CARVALHO, 2005; THERNEAU e GRAMBSCH, 2000
65 Aids Vivo Sem D.O. Doença Oportunista (Estado Transitório) Óbito (Estado Absorvente)
66 B1 Evento único
67 A2 A3 A1 Eventos múltiplos ordenados e com risco concomitante (condicional)
68 A1 B1 C1 Eventos múltiplos não ordenados e paralelos
69 Modelos Específicos para Falhas Múltiplas Eventos ordenados: - Andersen and Gil (AG) - Prentice, Willians and Peterson (PWP) - Wei, Lin and Weissfeld (WLW) Eventos não ordenados: - Modelo marginal de Cox THERNEAU e GRAMBSCH, 2000; CARVALHO, 2005
70 Modelos Específicos para Falhas Múltiplas Ordenadas Modelo AG: processo de contagem; risco basal de ocorrência é igual para o evento k+1, k+2,..., k+j Modelo WLW: risco basal diferente; trata os eventos como estratos diferentes Modelo PWP: risco basal de sofrer um novo evento é diferente e dependente do evento anterior THERNEAU e GRAMBSCH, 2000; CARVALHO, 2005
71 Modelos Específicos para Falhas Múltiplas Modelo AG Modelo WLW Modelo PWP/Condicional Modelo Não Ordenados AG: Andersen and Gill, WLW: Wei, Lin and Weissfeld, PWP: Prentice, Willians and Peterson
72 Base de Dados: Não Ordenados Paralelos. list id rx bili time status rec if id==5 id==18, nod noobs id rx bili time status rec placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo Tipo de evento: REC (1 a 9) -Cada paciente aparece 9 vezes, uma para cada possível evento -Paciente 5: não teve falha durante os dias de seguimento e aparece censurado 9 vezes -Paciente 18: teve 4 falhas (rec 9, 8, 5 e 3) CLEVES e CANETTE, 2009
73 Base de Dados: Ordenados Condicional PWP: time for entry. list id if id<10, noobs id group time0 time status number size str placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo STR: nº da falha -Os 4 primeiros foram censuras e o STR=1, que significa que eles estiveram sob o risco de sofrer a 1ª falha durante o todo tempo de seguimento -O indivíduo 9 esteve sob o risco de ocorrência da 1ª falha por 12 meses, da 2ª do 12º ao 16ª mês e da 3ª do 16º mês ao término do seguimento CLEVES e CANETTE, 2009
74 Base de Dados: Ordenados Condicional PWP:time for previous event. list id if id!=10, noobs nod id group time0 time status number size str placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo placebo Os t0 = 0 - STR= nº da falha -Os 4 primeiros foram censuras e o STR=1, que significa que eles estiveram sob o risco de sofrer a 1ª falha durante o todo tempo de seguimento -O indivíduo 9 esteve sob o risco de ocorrência da 1ª falha por 12 meses, da 2ª do 12º ao 16ª mês e da 3ª do 16º mês ao término do seguimento CLEVES e CANETTE, 2009
75 paciente 4 X X X 3 X X 2 X tempo
76 paciente str1 str2 str3 4 X X X 3 X X 2 X tempo
77 paciente str1 4 X X X 3 X X 2 X tempo
78 paciente str2 4 X X X X X X tempo
79 paciente str3 4 X X X 3 X X 2 X tempo
80 L parcial = L1 x L2 x L3 x...ln paciente 4 L1 X L2 L3 L4 L5 X L6 X 3 X X 2 X tempo L = P1,1 x P2,1 x P3,1 x... Pi,j dado que j=1 i = estrato j = cluster
81 paciente b1: variáveis de baseline do str tempo t0
82 paciente t1 2 X b2: variáveis de baseline do str2 b1: variáveis de baseline do str tempo t0
83 paciente t2 t1 X 3 X b3: variáveis de baseline do str3 X b2: variáveis de baseline do str2 b1: variáveis de baseline do str tempo t0
84 Estratos (str1, str2, str3)
85 Tempos
86 Variável tempo-independente
87 Variável tempo-dependente
88 Concluindo... As técnicas de análise de sobrevida são empregadas em estudos de coorte ou em ensaios clínicos, quando o evento de interesse é o tempo até a ocorrência de uma falha. As tábuas de vida atuariais são utilizadas para estimar a S(t) e a técnica mais utilizada em estudos cujo interesse é analisar fatores de risco é o estimador produto-limite de Kaplan-Meier. Na análise múltipla dos fatores de risco recomenda-se utilizar o modelo de riscos proporcionais de Cox, para variáveis independentes do tempo ou não.
89 Maria do Rosario D.O. Latorre Boas férias!!
EPI3. Aula 6 Estudos de risco: Análise de sobrevida
EPI3 Aula 6 Estudos de risco: Análise de sobrevida 2015 Objetivo Estimar a sobrevida de um grupo populacional desde um determinado tempo T até a ocorrência de algum DESFECHO (doença, morte...) Verificar
Leia maisQuestão clínica: Prognóstico/sobrevida. Análise de sobrevida 2015
Questão clínica: Prognóstico/sobrevida Análise de sobrevida 2015 Objetivo Estimar a sobrevida de um grupo populacional desde um determinado tempo T até a ocorrência de algum DESFECHO (doença, morte...)
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 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 maisAnálise de sobrevivência aplicada a pacientes HIV positivos
Análise de sobrevivência aplicada a pacientes HIV positivos Orientadora: Professora PhD Silva Shimakura Universidade Federal do Paraná Novembro de 2014 Sumário Resultados Conclusão Sumário Dados: Amostra
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 maisAnálise de Sobrevida. Silvia Emiko Shimakura Marilia Sá Carvalho Valeska Andreozzi. Análise de Sobrevida p. 1
Análise de Sobrevida Silvia Emiko Shimakura Marilia Sá Carvalho Valeska Andreozzi Análise de Sobrevida p. 1 Bibliografia Kleinbaum, D. & Klein, M. Survival analysis: a self-learning text. Springer, 1997.
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 maisO tempo de sobrevivência é uma variável aleatória T, contínua e positiva.
ESPECIFICAÇÃO DO TEMPO DE SOBREVIVÊNCIA O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. Os valores que T pode assumir têm alguma distribuição de probabilidade que pode ser especificada
Leia maisCap 2 O tempo. Programa. 1 Cap 2 O tempo. Carvalho MS (2009) Sobrevida 1 / 26
Programa 1 Carvalho MS (2009) Sobrevida 1 / 26 O Tempo Tempo até... óbito transplante doença cura Carvalho MS (2009) Sobrevida 2 / 26 O Tempo Tempo até... óbito transplante doença cura Carvalho MS (2009)
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 maisPROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA Professores: Antônio Moura da Silva Carga horária: 60 horas Miranda dos Santos 1. APRESENTAÇÃO A disciplina pretende capacitar o aluno com técnicas
Leia maisANÁLISE DE SOBREVIVÊNCIA
ANÁLISE DE SOBREVIVÊNCIA M Eduarda D. S. Matos Coimbra, 9 de Abril de O que é a análise de sobrevivência? A análise de sobrevivência é um conjunto de processos estatísticos, utilizados na análise dos dados,
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 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 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 maisUM 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 maisAssume que a taxa de risco (hazard rate) é função das variáveis independentes (covariáveis)
MODELO DE RISCO PROPORCIONAL DE COX Uma escolha popular para relacionar a função hazard e um determinado número de covariáveis consiste no modelo de Cox. A função de risco h (t) (hazard function) também
Leia maisANÁLISE DE SOBREVIDA DE PACIENTES COM CÂNCER Modelo de Riscos proporcionais de COX
ANÁLISE DE SOBREVIDA DE PACIENTES COM CÂNCER Modelo de Riscos proporcionais de COX Renato Azeredo Teixeira (UFMG / SES-MG) Prof a. Arminda Lucia Siqueira (UFMG) Ana Paula Azevedo Travassos (UFMG) Fonte
Leia maisAplicações de Análise de Sobrevivência na Área da Saúde
Aplicações de Análise de Sobrevivência na Área da Saúde Prof. Lupércio França Bessegato Departamento de Estatística UFJF E-mail: lupercio.bessegato@ufjf.edu.br Site: www.ufjf.br/lupercio_bessegato Lupércio
Leia maisOutline. 2 Cap 2 O tempo. 3 Cap 3 Funções de Sobrevida. Carvalho MS (2009) Sobrevida 1 / 21
Outline 1 Cap 1 Introdução 2 Cap 2 O tempo 3 Cap 3 Funções de Sobrevida 4 Carvalho MS (2009) Sobrevida 1 / 21 Estimação Não-Paramétrica Estimadores de sobrevida e risco Kaplan-Meier e Nelson Aalen Intervalos
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1/42 Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisPROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA 2 o. semestre de 2010
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA 2 o. semestre de 2010 Professores: Antônio Augusto Moura da Silva Carga horária: 60 horas Alcione Miranda dos Santos 1. APRESENTAÇÃO A disciplina
Leia maisInternamentos Hospitalares por VIH/SIDA em Portugal 2006: Modelos de Fragilidades na Sobrevivência
1 XVIII Congresso Mundial de Epidemiologia Internamentos Hospitalares por VIH/SIDA em Portugal 2006: Modelos de Fragilidades na Sobrevivência S. Dias 1,2, R. O. Martins 2, V. Andreozzi 3, J. Torgal 1 sdias@isegi.unl.pt
Leia maisAnálise da história de pacientes HIV positivos: abordagem de modelos markovianos multi-estados
Análise da história de pacientes HIV positivos: abordagem de modelos markovianos multi-estados Silvia Shimakura Raquel V.C. de Oliveira Dayse Campos mailto:silvia.shimakura@ufpr.br Universidade Federal
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 maisModelo de Regressão de Cox
MAE 514 - à Análise de Sobrevivência e Aplicações O modelo de Cox com taxas de falhas proporcionais MAE 514 - à Análise de Sobrevivência e Aplicações IME-USP MAE 514 - à Análise de Sobrevivência e Aplicações
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Valeska Andreozzi 15 de fevereiro de 2008 CEAUL Valeska Andreozzi slide 1 CEAUL Valeska Andreozzi slide 2 Kleinbaum, D., & Klein, M. Survival analysis : a self-learning text. Springer,
Leia maisCONTEÚDO. 1.6.4 Tempo Médio e Vida Média Residual. 1.6.5 Relações entre as Funções 1.7 Exercícios...
Conteúdo Prefácio xiii 1 Conceitos Básicos e Exemplos 1 1.1 Introdução... 1 1.2 Objetivo e Planejamento dos Estudos 3 1.3 Caracterizando Dados de Sobrevivência 6 1.3.1 Tempo de Falha 7 1.3.2 Censura e
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 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 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 maisPrincípios de Bioestatística
Princípios de Bioestatística Medidas de efeito: Risco Relativo e Razão de Chances Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 1 / 19 2 / 19 Medidas de Efeito
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Covariável Tempo-dependente 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 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 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 maisAnálise conjunta de dados longitudinais e de sobrevivência: Abordagem Bayesiana
Análise conjunta de dados longitudinais e de sobrevivência: Abordagem Bayesiana Rui Martins, Valeska Andreozzi e Giovani Silva Ericeira, 2010 Índice 1 Introdução Análise conjunta de Dados Longitudinais
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 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 maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Modelo de Poisson e Análise de Dados Longitudinais Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
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 SOBREVIVÊNCIA Teoria e aplicações em saúde. Caderno de Respostas Capítulo 3 Funções Básicas de sobrevivência
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saú Carno Respostas Capítulo 3 Funções Básicas sobrevivência Capitulo 3 - Funções básicas sobrevivência Exercício 3.1: A figura abaixo mostra uma curva sobrevivência.
Leia maisUniversidade de Brasília IE Departamento de Estatística. Análise de Diagnóstico para o Modelo de Regressão de Cox. Camila Farage de Gouveia
Universidade de Brasília IE Departamento de Estatística Análise de Diagnóstico para o Modelo de Regressão de Cox Camila Farage de Gouveia Orientadora: Prof.ª Dra. Juliana Betini Fachini Brasília, 2013.
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA
ESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA Adriano Gonçalves dos Santos Ribeiro 1 Gean Carlo Feliciano de Almeida 1 1 Introdução Uma grande empresa do ramo de exploração de
Leia maisModelos de Análise de Sobrevivência
1 Modelos de Análise de Sobrevivência Ernesto F. L. Amaral Magna M. Inácio 02 de dezembro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica (DCP 859B4) TAXA
Leia maisANÁLISE DE SOBREVIVÊNCIA APLICADA
1/62 ANÁLISE DE SOBREVIVÊNCIA APLICADA Modelo de Regressão de Cox - Cap. 5 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2/62 Modelos em Análise de Sobrevivência Modelo de Tempo de Vida Acelerado
Leia maisRADIOTERAPIA EM TUMORES DE CABEÇA E PESCOÇO LOCALMENTE AVANÇADOS E IRRESSECÁVEIS (IVB): QUANDO EVITAR TRATAMENTOS RADICAIS?
RADIOTERAPIA EM TUMORES DE CABEÇA E PESCOÇO LOCALMENTE AVANÇADOS E IRRESSECÁVEIS (IVB): QUANDO EVITAR TRATAMENTOS RADICAIS? HENRIQUE FARIA BRAGA 1,2 ; HELOISA DE ANDRADE CARVALHO 1 ; ANDRE TSIN CHIH CHEN
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 maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
MODELOS DE RISCOS COMPETITIVOS PARA ANÁLISE DE SOBREVIVÊNCIA DE PACIENTES COM HIPERTENSÃO ARTERIAL EM TRATAMENTO NO HUCFF/UFRJ Cachimo Combo Assane COPPE/UFRJ Ilha do Fundão, Centro de Tecnologia-Bloco
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia maisMétodos estatísticos em epidemiologia: algumas observações sobre pesquisa cĺınica
Métodos estatísticos em epidemiologia: algumas observações sobre pesquisa Programa de Computação Científica - PROCC ENSP - Dept. de Epidemiologia e Métodos Quantitativos em Saúde 1/12/2006 Outline Um exemplo
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 maisTécnicas Atuariais II 15. Múltiplos Decrementos 1 / 22
Técnicas Atuariais II 15. Múltiplos Decrementos Thaís Paiva thaispaiva@est.ufmg.br Departamento de Estatística Universidade Federal de Minas Gerais Técnicas Atuariais II 15. Múltiplos Decrementos 1 / 22
Leia maist i R(t) N(t) Ŝ KM (t) = R(t i ) N(t i ) R(t i ) (15 3) 15 (12 2) 12 (10 1) 10 (9 3) 9 (6 2) 6 (4 2) 4 (2 1) 2 (1 1)
4 Estimação não-paramétrica Exercícios Exercício 4.1: Retorne aos dados de aleitamento do exercício 2.1. Construa, à mão, a tabela Kaplan-Meier e a curva Kaplan-Meier correspondente aos dados: t i R(t)
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisTransição dos jovens para a vida adulta: risco do nascimento do primeiro filho
Transição dos jovens para a vida adulta: risco do nascimento do primeiro filho Karla Juliana Onofre da Silva Mestranda em Demografia CEDEPLAR/UFMG. Bolsista da Coordenação de Aperfeiçoamento de Pessoal
Leia maisAplicação da Teoria da Análise de Sobrevivênca no Cálculo do Risco de Morte por Infecção Hospitalar
SIMPOETS, CEFET-GO, 81-85, 2008 Aplicação da Teoria da Análise de Sobrevivênca no Cálculo do Risco de Morte por Infecção Hospitalar Victor Freitas de Azerêdo Barros Bacharelando em Informática, Bolsista
Leia maisAnálise de Sobrevivência. Modelos de Regressão Paramétricos. Análise de Sobrevivência Roteiro Geral. Roteiro do Módulo
Roteiro Geral Análise de Sobrevivência 1. Conceitos básicos 2. Técnicas não-paramétricas 3. Modelos probabilísticos 4. Modelos paramétricos de sobrevivência 5. Modelo de regressão de Cox 6. Extensões do
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Análise de Experimentos em Fitotecnia CURSO: Mestrado (X) Doutorado (X) DEPARTAMENTO RESPONSÁVEL:
Leia maisDimensionamento de amostras para estudos com variável resposta ordinal
Dimensionamento de amostras para estudos com variável resposta ordinal Arminda Lucia Siqueira 1 Aloísio Joaquim Freitas Ribeiro 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 1 Introdução Uma situação comum na
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisMedidas de ocorrência de doença
Universidade de São Paulo Faculdade de Saúde Pública Departamento de Epidemiologia Medidas de ocorrência de doença ANA PAULA SAYURI SATO Companhia Pop. 1851 HISTÓRICO Mortes por cólera Coef. Mort /1000
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 maisUma Incursão pela Sobrevivência Relativa
DM Uma Incursão pela Sobrevivência Relativa DISSERTAÇÃO DE MESTRADO Tatiana Filipa Fernandes Temtem Nunes MESTRADO EM MATEMÁTICA dezembro fevereiro 2017 Uma Incursão pela Sobrevivência Relativa DISSERTAÇÃO
Leia maisMétodos Avançados de Análise de Sobrevida. Bibliografia. Cronograma Introdução. Material do curso. Agradecimentos
Cap 1 Introdução Introdução à Análise de Sobrevida Cap 1 Introdução Métodos Avançados de Análise de Sobrevida 1 Introdução 2 O 3 Funções de Sobrevida 4 Estimação Não-Paramétrica 5 Modelo de Cox 6 Análise
Leia maisMeio ambiente e saúde: novos desafios, bases de dados e métodos
Meio ambiente e saúde: novos desafios, bases de dados e métodos Antonio Ponce de Leon Departamento de Epidemiologia Instituto de Medicina Social, Universidade do Estado do Rio de Janeiro Outubro 2016 Panorama
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ Centro de Métodos Quantitativos Programa de Curso e de Algumas Noções s da Disciplina LCF-5759 Bioestatística Prof. Dr. Hilton Thadeu
Leia maisTábuas de Vida Aula 3
Tábuas de Vida Aula 3 Marina Silva Paez (IM, UFRJ) Baseado no material de aulas do livro Análise de Sobrevivência: teoria e aplicações em saúde, Ed. Fiocruz e no material de aulas do curso Tábuas de Mortalidade
Leia maisModelagem de dados longitudinais
p. 1 Departamento de Epidemiologia e Métodos Quantitativos em Saúde Modelagem de dados longitudinais "Todos os modelos são errados... alguns são úteis." Marilia Sá Carvalho Coortes/2005 p. 2 Tópicos Teoria
Leia maisSOBREVIDA DE PACIENTES ADULTOS QUE RECEBERAM TRANSPLANTE DE FÍGADO NO SUS NO PERÍODO
SOBREVIDA DE PACIENTES ADULTOS QUE RECEBERAM TRANSPLANTE DE FÍGADO NO SUS NO PERÍODO 2001-2011 Eliza Antonia de Queiroz (CEDEPLAR/FACE/UFMG e IFMG/Campus Sabará) Mônica Viegas Andrade (CEDEPLAR/FACE/UFMG)
Leia maisSurvival analysis techniques
REVISÃO REVIEW 579 Técnicas de análise de sobrevida Survival analysis techniques Maria Teresa Bustamante-Teixeira 1 Eduardo Faerstein 2 Maria do Rosário Latorre 3 1 Núcleo de Assessoria Treinamento e Estudos
Leia maisDISSERTAÇÃO DE MESTRADO. Riscos competitivos: uma aplicação na sobrevida de pacientes com câncer
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE MEDICINA PROGRAMA DE PÓS-GRADUAÇÃO EM EPIDEMIOLOGIA DISSERTAÇÃO DE MESTRADO Riscos competitivos: uma aplicação na sobrevida de pacientes com câncer
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 maisEstimação de curvas de sobrevivência para estudos de custo-efetividade
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Estimação de curvas de sobrevivência para estudos de custo-efetividade Autora: Letícia Herrmann Orientadora:
Leia maisRedes Complexas Aula 7
Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos
Leia maisUNIDADE PRESIDÊNCIA/PROCC INSTITUIÇÃO FIOCRUZ/RJ SUBPROJETO - INICIAÇÃO CIENTÍFICA (PIBIC) ALGUNS DESAFIOS METODOLÓGICOS DO ELSA-BRASIL
UNIDADE PRESIDÊNCIA/PROCC INSTITUIÇÃO FIOCRUZ/RJ SUBPROJETO - INICIAÇÃO CIENTÍFICA (PIBIC) ALGUNS DESAFIOS METODOLÓGICOS DO ELSA-BRASIL Aluno: Adriana dos Santos Lima Orientador: Aline Araújo Nobre Co-orientador:
Leia maisAnálise de Dados Categóricos Tabelas 2 2
1/49 Análise de Dados Categóricos Tabelas 2 2 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2/49 Tabela 2 2: Exemplo Exemplo: Fischl et al. (1987) publicaram o primeiro relato de um ensaio clínico
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisBIOESTATÍSTICA. Prof ª Marcia Moreira Holcman
BIOESTATÍSTICA Prof ª Marcia Moreira Holcman mholcman@uol.com.br Bibliografia VIEIRA S. Introdução à Bioestatística, Editora Campus Rio de Janeiro, 1998. CALLEGARI-JACQUES SIDIA M. Bioestatísticos Princípios
Leia maisANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde. Caderno de Respostas Capítulo 7 Análise de Resíduos
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde Caderno de Respostas Capítulo 7 Análise de Resíduos Neste capítulo, serão feitas as análises dos resíduos dos modelos ajustados no Capítulo 6. Por
Leia maisLista nº 4 Modelos de Regressão Paramétricos
Lista nº 4 Modelos de Regressão Paramétricos 1. (Colosimo, E. A. e Giolo, S. R. (2) Exercício 3, pág. 112) Os dados mostrados as seguir representam o tempo até a ruptura de um tipo de isolante elétrico
Leia maisModelos multi-estados markovianos com erros de problema da morte súbita do citrus. Silvia Shimakura UFPR
Modelos multi-estados markovianos com erros de classificação: aplicação ao problema da morte súbita do citrus Silvia Shimakura UFPR Caxambu 25 Julho 2006 Agradecimentos FUNDECITRUS Renato Bassanezzi (FUNDECITRUS)
Leia maisModelos de regressão paramétricos
6 Modelos de regressão paramétricos Exercícios Exercício 6.1: O banco de dados leite2.txt contém dados de tempo de aleitamento de crianças de 4 comunidades. No ajuste não-paramétrico a esses dados, observamos
Leia maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás 1. Introdução Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisPrincípios de Bioestatística
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Princípios de Bioestatística Aula 3: Medidas de Associação entre Variáveis Qualitativas: Risco Relativo Razão
Leia maisESTUDOS SECCIONAIS. Não Doentes Expostos. Doentes Expostos. Doentes Não Expostos. Não Doentes Não Expostos
ESTUDOS SECCIONAIS ESTUDOS SECCIONAIS Doentes Expostos Doentes Não Expostos Não Doentes Expostos Não Doentes Não Expostos Frequencias de doença e exposição observadas em um estudo seccional Frequencias
Leia maisQue informações epidemiológicas sobre Oncologia Pediátrica têm sido produzidas?
Que informações epidemiológicas sobre Oncologia Pediátrica têm sido produzidas? Karina Braga Ribeiro Diretora Adjunta Divisão de Epidemiologia/FOSP Professora Adjunta - FCMSCSP Câncer em crianças e adolescentes
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 mais09/03/2012. Razão, Proporção e Taxas = 5 / 2 = 2,5 / 1. Qual é o denominador???? Razão (Exemplos) = 0.5 = 50% 4
Razão, Proporção e Taxas Razão Proporção Taxa Razão Quociente de duas quantidades O numerador não é necessariamente incluído no denominador Permite comparar quantidades de diferentes naturezas Qual é o
Leia maisMedidas de efeito e associação em epidemiologia
Medidas de efeito e associação em epidemiologia Objetivo central da pesquisa epidemiológica: identificação de relações causais entre exposições (fatores de risco ou proteção) e desfechos (doenças ou medidas
Leia maisEstatística Médica Silvia Shimakura
Estatística Médica Silvia Shimakura silvia.shimakura@ufpr.br Laboratório de Estatística e Geoinformação Introdução Avanços na medicina são primeiramente relatados em artigos publicados em periódicos de
Leia maisMétodos Avançados de Análise de Sobrevivência. Bibliografia. Cronograma Introdução. O Tempo Capítulo 2. Modelo de Cox Capítulo 6
Cap Introdução Introdução à Análise de Cap Introdução Métodos Avançados de Análise de Introdução Capítulo O Tempo Capítulo 2 Funções de Capítulo 3 Estimação Não-Paramétrica Capítulo 4 Estimação Paramétrica
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO DISCIPLINA: ANÁLISE DE EXPERIMENTOS EM FITOTECNIA ÁREA: DOMÍNIO ESPECÍFICO ( ) NÍVEL: MESTRADO ( X ) DOMÍNIO CONEXO (X ) DOUTORADO
Leia maisMODELOS DE SOBREVIVÊNCIA APLICADOS À EVASÃO DOS ALUNOS DE ESTATÍSTICA DA UFPB
Vol. 6 Nº 2 Ano 2018 MODELOS DE SOBREVIVÊNCIA APLICADOS À EVASÃO DOS ALUNOS DE ESTATÍSTICA DA UFPB Survival Models Applied to the Evasion of Statistics Students of the UFPB Recebido em: 01/10/2018. Aceito
Leia maisCovariável Tempo-Dependente Capítulo 8
Cap 1 Introdução Introdução à Análise de Sobrevivência Introdução Capítulo 1 O Tempo Capítulo 2 Funções de Sobrevivência Capítulo 3 Estimação Não-Paramétrica Capítulo 4 Estimação Paramétrica Capítulo 5
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 mais