Dissertação de Mestrado

Os modelos de análise de sobrevivência buscam relacionar covariáveis com os tempos de desfecho de um ou mais eventos. Uma forma comum de estabelecer essa relação é por meio do o logaritmo da razão entre a taxa de falha do indivíduo e a taxa de falha basal (log hazard ratio LHR). Nesse contexto, determinadas covariáveis podem apresentar comportamento não linear, o que torna a análise mais complexa e difícil de interpretar. Os modelos com ponto de troca surgem como uma alternativa, pois permitem aproximar relações não lineares por segmentos de retas. Pensando nisso, este trabalho investiga a adaptação da abordagem proposta por Muggeo para modelos paramétricos e semiparamétricos, aplicando-a no ajuste de modelos de Cox a dados de internações em UTI por câncer, popularmente conhecidos como dados do ICESP. Adicionalmente, são feitas simulações para avaliar a robustez do modelo sob diferentes pertubações. Os resultados da aplicação indicam um ganho de desempenho em relação ao modelo de Cox padrão; quanto as simulações, verificou-se maior dificuldade de ajuste em cenários com pontos de troca extremos e quantidade de observações baixa. Espera-se que este estudo seja útil para estatísticos e pesquisadores que queiram entender mais sobre modelos de sobrevivência com ponto de troca.

Survival analysis models aim to relate covariates to the event times of one or more outcomes. A common way to establish this relationship is through the logarithm of the ratio between an individuals hazard rate and the baseline hazard rate (log hazard ratio LHR). In this context, certain covariates may exhibit non-linear behavior, which makes the analysis more complex and difficult to interpret. Change-point models emerge as an alternative, as they allow non-linear relationships to be approximated by linear segments. With this in mind, this study investigates the adaptation of the approach proposed by Muggeo for parametric and semi-parametric models, applying it to the fitting of Cox models to data on ICU admissions for cancer, popularly known as ICESP data. Additionally, simulations are carried out to assess the robustness of the model under different perturbations. The application results indicate a performance gain compared to the standard Cox model; regarding the simulations, greater difficulty in model fitting was observed in scenarios with extreme change-points and a low number of observations. This study is expected to be useful for statisticians and researchers interested in gaining deeper insights into survival models with change-points.