Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura

Detalhes bibliográficos
Autor(a) principal: Cardial, Marcílio Ramos Pereira
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSCAR
Texto Completo: https://repositorio.ufscar.br/handle/ufscar/18142
Resumo: Survival models, in their majority, consider continuous survival times. However, in several studies these times are discrete, and in some occasions, it is not advisable to use a continuous model to analyze discrete data. One of the most popular regression models in the analysis of survival data is the Cox proportional hazards model, whose main characteristic is to consider that the covariates have a multiplicative effect on the hazard function. However, this feature cannot be satisfied when survival times are discrete, due to the hazard function being bounded in the interval (0, 1). To solve this problem, Cox suggested a discrete alternative of his model. Another alternative regression model was presented by Bennett, which assumes that covariates have a multiplicative effect on the odds of survival. These models are referred to as proportional odds (survival) models. In this context, the present paper aims to consider proportional odds modeling as an alternative for building regression models for discrete survival data. More specifically, the objectives are: (a) to study the proportional odds model for continuous time; (b) to build the regression model for data with proportional odds of survival and discrete time; (c) to obtain point and interval estimates of the model parameters; (d) to propose procedures to verify the proportional odds assumption and the quality of the model fit; (e) to illustrate the model and proposed procedures on a real data set. The results obtained on simulated data indicated evidence of the asymptotic properties of the estimators and the proposed model showed a good fit to the real data set, proving to be a good alternative for modeling discrete survival data with covariates.
id SCAR_cb45ec8707c1f9ea1b0e7da665065e7c
oai_identifier_str oai:repositorio.ufscar.br:ufscar/18142
network_acronym_str SCAR
network_name_str Repositório Institucional da UFSCAR
repository_id_str 4322
spelling Cardial, Marcílio Ramos PereiraCobre, Julianahttp://lattes.cnpq.br/1042802390444616Nakano, Eduardo Yoshiohttp://lattes.cnpq.br/4408437084347961http://lattes.cnpq.br/7615391562048988https://orcid.org/0000-0003-3610-1623https://orcid.org/0000-0002-9071-85129770c3a6-a772-41b5-b5bc-755c1ce029a42023-06-13T18:53:36Z2023-06-13T18:53:36Z2023-04-25CARDIAL, Marcílio Ramos Pereira. Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18142.https://repositorio.ufscar.br/handle/ufscar/18142Survival models, in their majority, consider continuous survival times. However, in several studies these times are discrete, and in some occasions, it is not advisable to use a continuous model to analyze discrete data. One of the most popular regression models in the analysis of survival data is the Cox proportional hazards model, whose main characteristic is to consider that the covariates have a multiplicative effect on the hazard function. However, this feature cannot be satisfied when survival times are discrete, due to the hazard function being bounded in the interval (0, 1). To solve this problem, Cox suggested a discrete alternative of his model. Another alternative regression model was presented by Bennett, which assumes that covariates have a multiplicative effect on the odds of survival. These models are referred to as proportional odds (survival) models. In this context, the present paper aims to consider proportional odds modeling as an alternative for building regression models for discrete survival data. More specifically, the objectives are: (a) to study the proportional odds model for continuous time; (b) to build the regression model for data with proportional odds of survival and discrete time; (c) to obtain point and interval estimates of the model parameters; (d) to propose procedures to verify the proportional odds assumption and the quality of the model fit; (e) to illustrate the model and proposed procedures on a real data set. The results obtained on simulated data indicated evidence of the asymptotic properties of the estimators and the proposed model showed a good fit to the real data set, proving to be a good alternative for modeling discrete survival data with covariates.Os modelos de sobrevivência, em sua maioria, consideram tempos de sobrevivência contínuos. Apesar disso, em vários estudos estes tempos são discretos, sendo desaconselhável, em algumas ocasiões, a utilização de um modelo contínuo para análise de dados discretos. Um dos modelos de regressão mais populares na análise de dados de sobrevivência é o modelo de riscos proporcionais de Cox, cuja principal característica é considerar que as covariáveis têm um efeito multiplicativo na função de risco. No entanto, essa característica não pode ser satisfeita quando os tempos de sobrevivência são discretos, devido ao fato da função de risco ser limitada no intervalo (0,1). Para resolver esse problema, Cox sugeriu uma alternativa discreta de seu modelo. Uma outra alternativa de modelo de regressão foi apresentada por Bennett, que assume que as covariáveis têm um efeito multiplicativo na chance (odds) de sobrevivência. Esses modelos são denominados como modelos de chances (de sobrevivência) proporcionais. Neste contexto, o presente trabalho tem como objetivo considerar a modelagem de chances proporcionais como uma alternativa para construção de modelos de regressão para dados de sobrevivência discretos. Mais especificamente, os objetivos são: (a) o estudo do modelo de chances de sobrevivência proporcionais para tempos contínuos; (b) a construção do modelo de regressão para dados com chances de sobrevivência proporcionais e tempos discretos; (c) obtenção das estimativas pontuais e intervalares dos parâmetros do modelo; (d) propor procedimentos para verificação da suposição de chances proporcionais e da qualidade do ajuste do modelo; (e) ilustração do modelo e procedimentos propostos em um conjunto de dados reais. Os resultados obtidos em dados simulados indicaram evidências das propriedades assintóticas dos estimadores e o modelo proposto apresentou um bom ajuste ao conjunto de dados reais, provando ser uma boa alternativa para a modelagem de dados de sobrevivência discretos com covariáveis.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)88882427039/2019-0188887634335/2021-00porUniversidade Federal de São CarlosCâmpus São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessTempos de sobrevivência discretosModelo de chances proporcionaisModelo de regressãoDiscrete survival timesProportional odds modelRegression modelCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICAModelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censuraOdds proportional survival regression model for censored discrete datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis600600e35fb172-42e7-4781-9545-31475b33f556reponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8810https://repositorio.ufscar.br/bitstream/ufscar/18142/2/license_rdff337d95da1fce0a22c77480e5e9a7aecMD52ORIGINALtese_marcilio UFSCar .pdftese_marcilio UFSCar .pdfTese de doutorado - Marcílio Cardialapplication/pdf3243187https://repositorio.ufscar.br/bitstream/ufscar/18142/1/tese_marcilio%20UFSCar%20.pdf426b7193ef17bd93dc1485b539060ce6MD51TEXTtese_marcilio UFSCar .pdf.txttese_marcilio UFSCar .pdf.txtExtracted texttext/plain163428https://repositorio.ufscar.br/bitstream/ufscar/18142/3/tese_marcilio%20UFSCar%20.pdf.txt2ffea5a01851fc2a58613ccd34056af7MD53THUMBNAILtese_marcilio UFSCar .pdf.jpgtese_marcilio UFSCar .pdf.jpgIM Thumbnailimage/jpeg15368https://repositorio.ufscar.br/bitstream/ufscar/18142/4/tese_marcilio%20UFSCar%20.pdf.jpgf0dec883ae8e43c8812a6aa9701de5b0MD54ufscar/181422023-09-18 18:32:39.66oai:repositorio.ufscar.br:ufscar/18142Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:32:39Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false
dc.title.por.fl_str_mv Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
dc.title.alternative.eng.fl_str_mv Odds proportional survival regression model for censored discrete data
title Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
spellingShingle Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
Cardial, Marcílio Ramos Pereira
Tempos de sobrevivência discretos
Modelo de chances proporcionais
Modelo de regressão
Discrete survival times
Proportional odds model
Regression model
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
title_short Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
title_full Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
title_fullStr Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
title_full_unstemmed Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
title_sort Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura
author Cardial, Marcílio Ramos Pereira
author_facet Cardial, Marcílio Ramos Pereira
author_role author
dc.contributor.authorlattes.por.fl_str_mv http://lattes.cnpq.br/7615391562048988
dc.contributor.authororcid.por.fl_str_mv https://orcid.org/0000-0003-3610-1623
dc.contributor.advisor-co1orcid.por.fl_str_mv https://orcid.org/0000-0002-9071-8512
dc.contributor.author.fl_str_mv Cardial, Marcílio Ramos Pereira
dc.contributor.advisor1.fl_str_mv Cobre, Juliana
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1042802390444616
dc.contributor.advisor-co1.fl_str_mv Nakano, Eduardo Yoshio
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/4408437084347961
dc.contributor.authorID.fl_str_mv 9770c3a6-a772-41b5-b5bc-755c1ce029a4
contributor_str_mv Cobre, Juliana
Nakano, Eduardo Yoshio
dc.subject.por.fl_str_mv Tempos de sobrevivência discretos
Modelo de chances proporcionais
Modelo de regressão
topic Tempos de sobrevivência discretos
Modelo de chances proporcionais
Modelo de regressão
Discrete survival times
Proportional odds model
Regression model
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
dc.subject.eng.fl_str_mv Discrete survival times
Proportional odds model
Regression model
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
description Survival models, in their majority, consider continuous survival times. However, in several studies these times are discrete, and in some occasions, it is not advisable to use a continuous model to analyze discrete data. One of the most popular regression models in the analysis of survival data is the Cox proportional hazards model, whose main characteristic is to consider that the covariates have a multiplicative effect on the hazard function. However, this feature cannot be satisfied when survival times are discrete, due to the hazard function being bounded in the interval (0, 1). To solve this problem, Cox suggested a discrete alternative of his model. Another alternative regression model was presented by Bennett, which assumes that covariates have a multiplicative effect on the odds of survival. These models are referred to as proportional odds (survival) models. In this context, the present paper aims to consider proportional odds modeling as an alternative for building regression models for discrete survival data. More specifically, the objectives are: (a) to study the proportional odds model for continuous time; (b) to build the regression model for data with proportional odds of survival and discrete time; (c) to obtain point and interval estimates of the model parameters; (d) to propose procedures to verify the proportional odds assumption and the quality of the model fit; (e) to illustrate the model and proposed procedures on a real data set. The results obtained on simulated data indicated evidence of the asymptotic properties of the estimators and the proposed model showed a good fit to the real data set, proving to be a good alternative for modeling discrete survival data with covariates.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-06-13T18:53:36Z
dc.date.available.fl_str_mv 2023-06-13T18:53:36Z
dc.date.issued.fl_str_mv 2023-04-25
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CARDIAL, Marcílio Ramos Pereira. Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18142.
dc.identifier.uri.fl_str_mv https://repositorio.ufscar.br/handle/ufscar/18142
identifier_str_mv CARDIAL, Marcílio Ramos Pereira. Modelo de regressão chances de sobrevivência proporcionais para dados discretos com presença de censura. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18142.
url https://repositorio.ufscar.br/handle/ufscar/18142
dc.language.iso.fl_str_mv por
language por
dc.relation.confidence.fl_str_mv 600
600
dc.relation.authority.fl_str_mv e35fb172-42e7-4781-9545-31475b33f556
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.publisher.program.fl_str_mv Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
dc.publisher.initials.fl_str_mv UFSCar
publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSCAR
instname:Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
instname_str Universidade Federal de São Carlos (UFSCAR)
instacron_str UFSCAR
institution UFSCAR
reponame_str Repositório Institucional da UFSCAR
collection Repositório Institucional da UFSCAR
bitstream.url.fl_str_mv https://repositorio.ufscar.br/bitstream/ufscar/18142/2/license_rdf
https://repositorio.ufscar.br/bitstream/ufscar/18142/1/tese_marcilio%20UFSCar%20.pdf
https://repositorio.ufscar.br/bitstream/ufscar/18142/3/tese_marcilio%20UFSCar%20.pdf.txt
https://repositorio.ufscar.br/bitstream/ufscar/18142/4/tese_marcilio%20UFSCar%20.pdf.jpg
bitstream.checksum.fl_str_mv f337d95da1fce0a22c77480e5e9a7aec
426b7193ef17bd93dc1485b539060ce6
2ffea5a01851fc2a58613ccd34056af7
f0dec883ae8e43c8812a6aa9701de5b0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)
repository.mail.fl_str_mv
_version_ 1813715665786241024