Modelo de regressão logística em dados longitudinais sob um enfoque bayesiano

• Autor(a) principal: Nicolato, Patrícia Baía
• Data de Publicação: 2017
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/13797
• topic: Staphylococcus aureus; Modelos logísticos; Modelos dinâmicos; Células cd4; Dados longitudinais; Estatística de saúde

Na análise deste estudo, foi investigada a variável infecção por Staphylococcus aureus em pacientes de 0 a 24 anos, provenientes de um estudo já realizado em dois hospitais públicos referência em atendimento a pacientes infectados pelo HIV. Por ser caracterizada como uma variável binária, ou seja, só assume valores 0 ou 1 (onde 1 representa os pacientes infectados pela bactéria S. aureus e 0 caso contrário), havia a necessidade de implementar um modelo logístico que permitisse definir algum tipo de padrão sobre os dados observados. Pouco se sabe a respeito desta epidemiologia. Alguns dos fatores determinantes já foram levantados sobre tal colonização nasal, e são a exposição a grandes aglomerações e a realização de procedimentos considerados invasivos nos últimos doze meses. A contagem de células CD4 foi definida como sendo a variável regressora, por ser um dos exames mais significativos realizados em pessoas que se encontram com o vírus HIV e que devem ser feitos regularmente no sangue. Desse modo, esta variável poderia explicar melhor esta razão de chance da variável resposta. Além disso, os dados dos pacientes são longitudinais, descritos através de 3 consultas realizadas ao longo do período de observação do estudo. Para isto, foi elaborado modelo logístico que considerasse a associação longitudinal entre as observações, ou seja, que levasse em consideração os dias entre as consultas realizadas. Com a intenção de explorar a estrutura dos dados de forma mais apropriada, foram implementados dois modelos logísticos diferentes. Onde foi testado se o modelo proposto melhora a qualidade do ajuste quando comparado com um modelo sem considerar a característica longitudinal dos dados. Os resultados indicaram com base no critério de seleção de modelos adotado, o Deviance Information Criterion - DIC, que o modelo com influência dos dados longitudinais apresentou melhor ajuste aos dados