ANÁLISE DE SOBREVIVÊNCIA - COX. Airlane P. Alencar IME-USP Alessandra C. Gourlart FM-USP

Documentos relacionados
3. VARIÁVEIS ALEATÓRIAS

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas

y z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe

AULA 9 CONDUÇÃO DE CALOR EM REGIME TRANSITÓRIO SÓLIDO SEMI-INFINITO

r R a) Aplicando a lei das malhas ao circuito, temos: ( 1 ) b) A tensão útil na bateria é: = 5. ( 2 ) c) A potência fornecida pela fonte é: .

UMA ANÁLISE DE DADOS CATEGORIZADOS LONGITUDINAIS DE UM PROGRAMA DE ATIVIDADE FÍSICA NA QUALIDADE DE VIDA DE MULHERES COM OSTEOPOROSE

ANOVA Modelos de Efeitos Aleatórios

Efeito da pressão decrescente da atmosfera com o aumento da altitude

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS

J, o termo de tendência é positivo, ( J - J

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.

log 2, qual o valor aproximado de 0, 70

Algumas distribuições de variáveis aleatórias discretas importantes:

Análise de regressão

BAND 600 D I G I T A L

3. Medidas de desempenho são combinadas sobre todas as. 2. Medidas de desempenho preditas são obtidas usando modelos de regressão para as respostas:

F-128 Física Geral I. Aula exploratória-10a UNICAMP IFGW

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO

Ondas Electromagnéticas

7. Aplicação do Principio do Máximo

Capítulo 6 Decaimento Radioativo

Resoluções dos exercícios propostos

5 Apreçamento de ESOs com preço de exercício fixo

Hewlett-Packard MATRIZES. Aulas 01 a 05. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução

sendo classificado como modelo de primeira ordem com (p) variáveis independentes.

Hewlett-Packard MATRIZES. Aulas 01 a 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

R F. R r. onde: F = 1 fóton/(cm 2 s) = 10 4 fótons/(m 2 s) λ R hc

MODELOS CONSTITUTIVOS

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 1/3

Sumário. Campo e potencial elétrico. Energia potencial elétrica

Mecânica & Ondas. Módulo 10: O Oscilador harmónico. J. Seixas

CARGA E DESCARGA DE CAPACITORES

Desse modo, podemos dizer que as forças que atuam sobre a partícula que forma o pêndulo simples são P 1, P 2 e T.

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

Ondas Electromagnéticas

CAPÍTULO 7. Exercícios 7.3. Ft () Gt () (t 2 sen t 2t, 6 t 3, t 2 3 sen t). 2. Sejam r r r r r r r r. 3. Sejam r r r r. Exercícios 7.

2ª série LISTA: Ensino Médio. Aluno(a): Questão 01 - (FUVEST SP)

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

4 A Teoria de Filtragem

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

7 Solução de um sistema linear

Funções de distribuição quânticas

Equações de Maxwell. Métodos Eletromagnéticos. Equações de Maxwell. Equações de Maxwell

Modelação Matemática de Sistemas Físicos

Estimação Bayesiana das Fragilidades Individuais de Pacientes em Tratamento de Hemodiálise

Alternativas ao modelo de Cox na análise de dados de sobrevivência com covariáveis dependentes no tempo

Dinâmica Estocástica. Instituto de Física, outubro de 2016

Instituto de Física USP. Física V - Aula 32. Professora: Mazé Bechara

Ondas - 2EE 2003 / 04

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade

ANALISE DE CIRCUITOS DE 1 a E 2 a. J.R. Kaschny ORDENS

Hewlett-Packard MATRIZES. Aulas 01 a 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

VARIÁVEIS ALEATÓRIAS DISCRETAS. Vamos agora analisar em detalhe algumas variáveis aleatórias discretas, nomeadamente:

Copyright LTG 2013 LTG/PTR/EPUSP

FUNÇÕES DE UMA VARIÁVEL COMPLEXA

Taxa de Paridade: Real (R$)/Dólar Americano (US$) - IPA-OG Índice Dez/98 = 100 Período: Mar/94 a Fev/2003

Projetos de um forno elétrico de resistência

Calor Específico. Q t

INSTITUTO POLITÉCNICO DE VISEU. f x = x em relação à partição do intervalo. em 4 subintervalos de igual amplitude e tal que o ponto ω

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Derivadas parciais de ordem superior à primeira. Teorema de Schwarz.

Física IV. Instituto de Física - Universidade de São Paulo. Aula: Interferência

02 de outubro de 2013

Polos Olímpicos de Treinamento. Aula 9. Curso de Álgebra - Nível 3. Somas de Newton. Prof. Cícero Thiago / Prof. Marcelo Mendes

DISCIPLINA. PEF 3528 Ferramentas Computacionais na Mecânica das Estruturas Criação e Concepção. Aula 02

A função de distribuição neste caso é dada por: em que

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.

Oscilações amortecidas

3. Análise de Circuitos Elétricos Simples

Elementos de Lógica Matemática p. 1/2

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano

6. Moeda, Preços e Taxa de Câmbio no Longo Prazo

Instituto Federal Goiano

3 A técnica de computação intensiva Bootstrap

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

Termodinâmica dos Sistemas Abertos Sistemas heterogêneos: Potencial Químico. Grandezas Molares.

3 Modelos de Apreçamento de Opções

Aprendizagem Estatística de Dados. Francisco Carvalho

CAPÍTULO 3 TÉCNICAS USADAS NA DISCRETIZAÇÃO. capítulo ver-se-á como obter um sistema digital controlado através de técnicas

A seção de choque diferencial de Rutherford

Cap 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

Métodos Avançados em Epidemiologia

Análise de dados industriais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

Problemas de Valor Inicial para Equações Diferenciais Ordinárias

Série de Fourier tempo contínuo

Cap. 11 Correlação e Regressão

Uniforme Exponencial Normal Gama Weibull Lognormal. t (Student) χ 2 (Qui-quadrado) F (Snedekor)

REGRESSÃO NÃO LINEAR 27/06/2017

Os Modelos CA para Pequenos Sinais de Entranda Aula 7

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

INTRODUÇÃO À ESTATÍSTICA

MACROECONOMIA III PROFESSOR JOSÉ LUIS OREIRO PRIMEIRA LISTA DE EXERCÍCIOS

( 1). β β. 4.2 Funções Densidades Con2nuas

Transcrição:

ANÁLISE DE SOBREVIVÊNCIA - COX Arlan P. Alncar IME-USP Alssandra C. Gourlar FM-USP

Arlan P. Alncar Alssandra C. Goular - USP Modlo d Cox Modlo d rscos proporconas O rsco no mpo com varávl xplcava X é X X Exmplo para X=1 s fuma s não fuma Os rscos são proporconas a razão nr os rscos é 1 xp S ba=1.2, xp(1,2)=3.32, não o rsco d... Inrpr s X é numérca X, X xp( ), X 1

Arlan P. Alncar Alssandra C. Goular - USP Múlplo Para p varávs xplcavas 1 p X As varávs xplcavas não dpndm do mpo. () é o rsco basal sua forma não spcfcada => modlo smparamérco Inrpração dos parâmros: crs parbus

Arlan P. Alncar Alssandra C. Goular - USP Exmplo Lucma (KK) Lucma daa <- rad.abl("p://wb1.sp.mory.du/dklnb/alldaass/surv 2daass/andrson.da") nams(daa)<- c("","obo", "sx", "lwbc", "rupo") coxp(formula = Surv(, obo) ~ Grupo, daa = d, mod = "brslow") coxp(formula = Surv(, obo) ~ Grupo*lwbc, daa = d, mod = "brslow") modl2=coxp(formula = Surv(, obo) ~ Grupo + lwbc, daa = d, mod = "brslow") summary(modl2)

Arlan P. Alncar Alssandra C. Goular - USP Esmação A vrossmlança dpnd do rsco basal (). Vrossmlança Parcal Cox (1975) Probabldads condconas P( falar no mpo () uma fala m (), sóra aé ())= R X X T x xp R R xp são os mpos d fala R( ) são os m rsco no mpo x T xp x T xp x T

Exmplo Klnbaum Kln Rsco = X X fala fuma Barry 2 1 1 Gary 3 1 Harry 5 Larry 8 1 1 L Arlan P. Alncar Alssandra C. Goular - USP

Arlan P. Alncar Alssandra C. Goular - USP Empas Dsrbução Dals m Colosmo Golo p. 162 Assum-s qu os mpos são conínuos não á mpas. Convnção: Cnsuras ocorrm após as falas para dfnr as obsrvaçõs m rsco Vrossmlança aprox. Brslow Po Os smadors são assnocamn normas conssns sob condçõs d rulardad Tss assnócos como d Wald d Razão d Vrossmlanças valm com ds. Qu quadrado sob H.

Arlan P. Alncar Alssandra C. Goular - USP Esmação da função d rsco basal Para smar S() mos qu smar H (). S xp xp xp H xp u xpx u u du xpx xpx xpx H S u du O smador d Brslow(1972) é Hˆ x ˆ : lr l m xp

Arlan P. Alncar Alssandra C. Goular - USP Exmplo coxp(formula = Surv(, obo) ~ Grupo, daa = d, mod = "brslow") cof xp(cof) s(cof) z p Grupo 1.51 4.52.41 3.68.23 Lklood rao s=15.2 on 1 df, p=9.61-5 n= 42, numbr of vns= 3 > coxp(formula = Surv(, obo) ~ Grupo*lwbc, daa = d, mod = "brslow") Call: coxp(formula = Surv(, obo) ~ Grupo * lwbc, daa = d, mod = "brslow") cof xp(cof) s(cof) z p Grupo 2.355 1.54 1.681 1.41.16 lwbc 2.145 8.54.888 2.416.16 Grupo:lwbc -.342.71.52 -.658.51 Lklood rao s=43.8 on 3 df, p=1.63-9 n= 42, numbr of vns= 3

Esmad S()..2.4.6.8 1. Arlan P. Alncar Alssandra C. Goular - USP Probabldads d sobrvda ausadas Fxando lwbc= méda d lwbc Adusd Survval Curvs Tramn Placbo 5 1 15 2 25 3 35 Tm

Arlan P. Alncar Alssandra C. Goular - USP Ccando a proporconaldad dos rscos Rsíduos d Sconfld Para o índvíduo varávl xplcava q= 1,..., p: r q x q R R x q xp xp x ˆ x ˆ Esss rsíduos são padronzados, s*. s * ˆ md o fo da q-ésma xplcava no rsco. q q O ráfco dssa quandad m função do mpo (ou d ()) dv sr consan para rmos rscos proporconas. Nss ráfco é ncluda uma curva suavzada bandas d confança. Dals m Colosmo Golo

Ts d proporconaldad d rscos Um s para a pós d proporconaldad dos rscos para odas as covarávs com () usa sndo d= númro d falas, S*=dRI -1, R= rsíduos d Sconfld não padronzados I a marz nformação obsrvada. Sob H (proporconaldad), T ~ assnocamn Para cada covarávl x q, mos k d S I S T 2 * * 2 p 2 1 2 1 2 * ~ H n k q k qk k q I s d T Arlan P. Alncar Alssandra C. Goular - USP

Arlan P. Alncar Alssandra C. Goular - USP Exmplo Lucma cox.zp(modl2, ransform="dny") # dfaul ransform=km ro csq p Grupo.116.339.954 lwbc.391.6682.796 GLOBAL NA.6893.966 Conclusão: (para n rand) par(mfrow=c(2,1)) plo(cox.zp(modl2, ransform="dny"))

Ba() for lwbc -2 2 4 Ba() for Grupo -2 2 4 Arlan P. Alncar Alssandra C. Goular - USP Exmplo Lucma 5 1 15 2 Tm 5 1 15 2 Tm

Arlan P. Alncar Alssandra C. Goular - USP Rfrêncas Klnbaum Kln. Survval Analyss a slf larnn x. Sprnr. Colosmo Golo. Análs d sobrvvênca aplcada. Blucr.