Pelo fato da maioria das mortes e morbidades associadas à gravidez ocorrerem em torno do parto, a qualidade do cuidado nesse período é crucial para as mães e seus bebês. Para acompanhar as mulheres nessa etapa, o partograma tem sido a ferramenta mais utilizada nas últimas décadas e, devido à sua simplicidade, é frequentemente usado em países com baixa e média renda. No entanto, sua utilização é altamente questionada devido à ausência de evidências que justifiquem uma contribuição ao parto. Para melhorar a qualidade do parto nessas circunstâncias, o projeto BOLD tem sido desenvolvido com o intuito de reduzir a ocorrência de problemas indesejados e com a finalidade desenvolver uma ferramenta moderna, chamada de SELMA, que projetase como uma alternativa ao partograma. Com a finalidade de associar características fixas e dinâmicas avaliadas no parto e identificar quais elementos intra parto podem ser utilizados como gatilhos para realização de uma intervenção e, assim, prevenir um desfecho indesejado, propomos nesta tese a utilização de modelos de sobrevivência com covariáveis dependentes do tempo. Inicialmente, consideramos a modelagem de dados longitudinais e de sobrevivência utilizando funções de risco paramétricas flexíveis. Nesse caso, propomos a utilização de cinco generalizações da distribuição Weibull, da distribuição Nagakami e utilizamos um procedimento geral de seleção de modelos paramétricos usuais via distribuição Gamma generalizada, inédito na modelagem conjunta. Realizamos um extenso estudo de simulação para avaliar as estimativas de máxima verossimilhança e os critérios de discriminação. Além disso, a própria natureza do parto nos leva a um contexto de eventos múltiplos, nos remetendo à utilização dos modelos multiestados. Eles são definidos como modelos para um processo estocástico que a qualquer momento ocupa um conjunto discreto de estados. De uma forma geral, são os modelos mais comuns para descrever o desenvolvimento de dados de tempo de falha longitudinais e são frequentemente utilizados em aplicações médicas. Considerando o contexto de eventos múltiplos, propomos a inclusão de uma covariável dependente do tempo no modelo multiestados a partir de uma modificação dos dados, o que nos trouxe resultados satisfatórios e similares ao esperado na prática clínica.

As most pregnancy-related deaths and morbidities are clustered around the time of child birth, the quality of care during this period is crucial for mothers and their babies. To monitor the women at this stage, the partograph has been the central tool used in recent decades and, motivated by its simplicity, is frequently used in low-and middle-income countries. However, its use is highly questioned due to lack of evidence to justify a contribution to labor. To improve the quality of labor in these circumstances, the BOLD project has been developed in order to reduce the occurrence of pregnancy-related problems and in order to develop a modern tool, called SELMA, which is projected as an alternative to partograph. Aiming to associate fixed and dynamic characteristics evaluated in the delivery and to identify which elements can be used as triggers for performing an intervention, and thus preventing a bad outcome, this thesis proposes the use of survival models with time dependent covariates. Initially, we consider the joint modeling of survival and longitudinal data using flexible parametric hazard functions. In this sense, we propose the use of five generalizations of Weibull distribution, the Nagakami model and an inedited framework to discriminate usual parametric models via the generalized Gamma distribution, performing an extensive simulation study to evaluate the maximum likelihood estimations and the proposed discrimination criteria. Indeed, by its own nature, the birth leads us to a context of multiple events, referring to the use of multi-state models. These are models for a stochastic process which at any time occupies one of a few possible states. In general, they are the most common models to describe the development of longitudinal failure time data and are often used in medical applications. Considering this context, we proposed the inclusion of a time dependent covariate in the multi-state model using a modified version of the input data, which gave us satisfactory results similar to those expected in clinical practice.