• 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
 
 
Doctoral Thesis
DOI
https://doi.org/10.11606/T.17.2020.tde-23082020-143052
Document
Author
Full name
Guilherme Zubatch da Cunha
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
Ribeirão Preto, 2020
Supervisor
Committee
Martinez, Edson Zangiacomi (President)
Aragon, Davi Casale
Santos, Jair Licio Ferreira
Souza, Roberto Molina de
Title in English
Models based on skewed distributions for paired data, with applications to health data
Keywords in English
Analysis of variance
Biostatistics
Health data
Longitudinal data
Paired data
Regression models
Abstract in English
This thesis aims to introduce and raise interest on pretest/posttest analysis in epidemiological studies. In a first article, conceptual aspects are described and methodological guidelines for this type of analysis are systematized. We defined the key concepts of pretest and posttest and how they can be applied to epidemiology. Methods to assess pretest and posttest are very common and there are many ways to resolve the same problem. The objective here is to present some of them: t-test, analysis of variance (ANOVA) on the gain scores, analysis of covariance (ANCOVA), ANOVA on residual scores, and repeated measures ANOVA. The second article presents a general family of skew-symmetric distributions applied on pretest/posttest in epidemiological studies by considering a longitudinal approach. Situation where the normality assumption is not valid are very common, especially when data present a skewed distribution. For taking into account possible skewness effects, we propose the use of longitudinal analysis from a Bayesian perspective. In both articles, results of an application to a real data set related to multiple sclerosis are reported.
Title in Portuguese
Modelos baseados em distribuições assimétricas para dados pareados, com aplicações à dados de saúde
Keywords in Portuguese
Análise de Variância
Bioestatística
Dados em saúde
Dados longitudinais
Dados pareados
Modelos de regressão
Abstract in Portuguese
Esta tese tem por objetivo introduzir e explorar o interesse na análise pré-teste / pós-teste em estudos epidemiológicos. Em um primeiro artigo, aspectos conceituais são descritos e diretrizes metodológicas para esse tipo de análise são sistematizadas. Definimos os conceitos-chave de pré-teste e pós-teste e como eles podem ser aplicados à epidemiologia. Os métodos para avaliar o pré-teste e o pós-teste são muito comuns e existem várias maneiras de resolver o mesmo problema. O objetivo aqui é apresentar alguns deles: teste t de Student, análise de variância (ANOVA) nos escores de ganho, análise de covariância (ANCOVA), ANOVA em escores residuais e ANOVA com medidas repetidas. O segundo artigo apresenta uma família geral de distribuições assimétricas aplicadas no pré- teste / pós-teste em estudos epidemiológicos, considerando uma abordagem longitudinal. Situações em que a suposição de normalidade não é válida são muito comuns, especialmente quando os dados apresentam uma distribuição assimétrica. Para considerar possíveis efeitos de assimetria, propomos o uso de análises longitudinais em uma perspectiva bayesiana. Nos dois artigos, são relatados os resultados de uma aplicação em um conjunto de dados reais relacionados à esclerose múltipla.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2020-10-19
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2021. All rights reserved.