Análise de sobrevivência na presença de censura informativa: uma abordagem Bayesiana

• Autor(a) principal: Renata Camila de Souza
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-A3ZFFU
• topic: Censura informativa; Fragilidade; Análise de sobrevivência; Modelo de mistura; Estatística Bayesiana; Análise de regressão; Estatística; Análise de sobrevivência (Biometria); Teoria bayesiana de decisão estatistica

Grande parte dos procedimentos existentes na literatura para a modelagem de dados de sobrevivência baseiam-se na suposição de que o mecanismo de censura é não informativo, ou seja, que os tempos de falha e censura são independentes. Apesar da independência ser uma suposição da modelagem, testar essa condição requer informações adicionais sobre os dados que normalmente não estão disponíveis. Em diversas situações reais, tal suposição não é válida e o mecanismo gerador de censura e dito informativo. Uma alternativa para modelagem de dados sob o mecanismo de censura informativo baseia-se na inclusão de um efeito aleatório, conhecido como fragilidade, que afeta tanto os tempos de falha quanto de censura. Neste trabalho, propomos dois modelos paramétricos: em um modelo o efeito da fragilidade é relacionado aos tempos de censura por meio de um parâmetro e o outro considera uma mistura para modelar o efeito da fragilidade. Estes modelos permitem que o tipo de correlação e, consequentemente, o mecanismo de censura do conjunto de observações seja apontado pelos dados. Um estudo simulado, com foco na distribuição Weibull, considerando diferentes proporções de falha, tamanho amostral e o tipo de correlação entre falha e censura foi realizado para comparação do desempenho de algumas especificações de modelo: (i) sem fragilidade, (ii) com fragilidade apenas no componente de falha, (iii) fragilidade em ambos os componentes e afetada por um parâmetro na censura, (iv) fragilidade em ambos componentes mas modelada por uma mistura na censura. Finalmente, realiza-se uma aplicação destes modelos a dados reais.