• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.17.2020.tde-08012020-103706
Documento
Autor
Nome completo
Milene Regina dos Santos
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
Ribeirão Preto, 2019
Orientador
Banca examinadora
Achcar, Jorge Alberto (Presidente)
Aragon, Davi Casale
Souza, Roberto Molina de
Título em português
Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
Palavras-chave em português
Análise de sobrevida
Distribuição Gompertz modificada
Distribuições defectivas
Estimadores de máxima verossimilhança
Inferência Bayesiana
Métodos MCMC
Resumo em português
A análise de sobrevivência, também chamada de análise de confiabilidade nas aplicações em engenharia, consiste em uma classe de métodos estatísticos usados para estudar o tempo até a ocorrência de um evento de interesse, como o tempo até o óbito de um paciente, o tempo de recuperação após um tratamento médico, o tempo de hospitalização devido a uma doença, entre vários outros eventos de interesse médico. Dados de sobrevivência geralmente apresentam censuras ocasionadas por limitação de tempo no seguimento dos pacientes, perdas de seguimentos por outras causas ou censuras ocasionadas pelo próprio planejamento do experimento. Outra característica comum em análise de sobrevivência é a presença de indivíduos imunes ou uma fração de curas, em que parte dos pacientes não são sujeitos ao evento de interesse. Nesse caso, a literatura estatística apresenta muitos modelos, com destaque especial aos modelos de mistura e não-misturas. Alternativamente, modelos baseados em distribuições impróprias, denominadas como distribuições defectivas podem ser usados para analisar dados com essas características. Nesta dissertação serão apresentadas inferências Bayesianas e de Máxima Verossimilhança para os parâmetros do modelo de fração de cura assumindo a distribuição defectiva de Gompertz na presença de dados censurados e covariáveis. Para ilustrar a metodologia proposta, são consideradas aplicações com dados relacionados aos tempos de sobrevida de pacientes com câncer cervical e pacientes portadores do vírus HIV. Na análise Bayesiana, sumários a posteriori de interesse são obtidos usando métodos de simulação MCMC (Monte Carlo em Cadeias de Markov) para gerar amostras da distribuição a posteriori conjunta de interesse.
Título em inglês
Bayesian and frequentist inference methods assuming a Gompertz defective distribution in the presence of fraction of cures: applications to medical data
Palavras-chave em inglês
Bayesian inference
Defective distributions
Maximum likelihood estimators
MCMC methods
Modified Gompertz distribution
Survival analysis
Resumo em inglês
Survival analysis, also called reliability analysis in engineering applications, consists of a class of statistical methods used to study the time to the occurrence of an event of interest, such as time to death of a patient, recovery after a medical treatment, length of hospital stay due to illness, among several other events of medical interest. Survival data usually present censors caused by time limitation in the follow-up of patients, loss of follow-ups due to other causes or censors caused by the planning of the experiment itself. Another common feature in survival analysis is the presence of immune individuals or a fraction of cures, in which part of the patients are not subject to the event of interest. In this case, the statistical literature presents many models, with particular emphasis on mixing models and non-mixtures (see for example, MALLER and ZHOU, 1996). Alternatively, models based on improper distributions, referred to as defective distributions, can be used to analyze data with these characteristics. In this dissertation will be presented Bayesian and Maximum likelihood inferences for the parameters of the curing fraction model assuming the Gompertz defective distribution in the presence of censored and covariable data. To illustrate the proposed methodology, applications with data related to the survival times of patients with cervical cancer and patients with HIV are considered. In Bayesian analysis, a posteriori interest summaries are obtained using Monte Carlo Markov Chain Simulation (MCMC) simulation methods to generate samples of the joint posterior distribution of interest.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2020-05-04
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.