Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos

Detalhes bibliográficos
Autor(a) principal: Fonsêca, Cintya Régia Araújo da
Data de Publicação: 2015
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/34270
Resumo: Survival analysis is data whose dependent variable is the time until the occurrence of an event of interest. In applications in the medical field is common to use non-parametric methods (Kaplan-Meier) and semi-parametric (Cox proportional hazards model) to study patient survival. Parametric models are also attractive in those cases, since the proportional hazards assumption is required. In this approach several types of parametric distributions are available. The choice of a parametric model can be made by statistical tests based on a more general parametric family. The distribution generalized gamma (GG) is a flexible parametric family which includes most commonly used distributions commonly used in the literature for this purpose. However the setting and test for this model based on Likelihood methods require the use of optimization procedures implemented in statistical software. The best-known routines R software for GG setting often have limitations and can not work that in more recent versions of R. In this context, the objective of this paper is to briefly describe procedures for adjustment and choice of parametric survival models based on usage computational routines developed in Silva (2013) in R software via adaptations of flexsurv package (flexible parametric survival models). Are considered three applications in the medical field to illustrate the procedures studied, two sets of data available in the literature (time between occurrences of childhood diarrhea and survival of patients with cancer in the lung) and assigned by Applied Statistics Laboratory (LEA) UFRN which refers to the time after the organ donation diagnosis of brain death.
id UFRN_883718fcb5946b1d1b4b64135e3d899f
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/34270
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Fonsêca, Cintya Régia Araújo daMoreira, Jeanete AlvesMEDEIROS, Pledson GuedesValença, Dione Maria2021-09-20T12:08:26Z2015-11-24T18:00:25Z2021-09-20T12:08:26Z2015-11-24T18:00:25Z2015-01-092009040694FONSÊCA, Cintya Régia Araújo da. Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos . 2015. 86 f. Trabalho de Conclusão de Curso (Monografia). Centro de Ciências Exatas e da Terra, Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal. 2015.https://repositorio.ufrn.br/handle/123456789/34270Survival analysis is data whose dependent variable is the time until the occurrence of an event of interest. In applications in the medical field is common to use non-parametric methods (Kaplan-Meier) and semi-parametric (Cox proportional hazards model) to study patient survival. Parametric models are also attractive in those cases, since the proportional hazards assumption is required. In this approach several types of parametric distributions are available. The choice of a parametric model can be made by statistical tests based on a more general parametric family. The distribution generalized gamma (GG) is a flexible parametric family which includes most commonly used distributions commonly used in the literature for this purpose. However the setting and test for this model based on Likelihood methods require the use of optimization procedures implemented in statistical software. The best-known routines R software for GG setting often have limitations and can not work that in more recent versions of R. In this context, the objective of this paper is to briefly describe procedures for adjustment and choice of parametric survival models based on usage computational routines developed in Silva (2013) in R software via adaptations of flexsurv package (flexible parametric survival models). Are considered three applications in the medical field to illustrate the procedures studied, two sets of data available in the literature (time between occurrences of childhood diarrhea and survival of patients with cancer in the lung) and assigned by Applied Statistics Laboratory (LEA) UFRN which refers to the time after the organ donation diagnosis of brain death.Análise de Sobrevivência trata de dados cuja variável resposta é o tempo até a ocorrência de um evento de interesse. Em aplicações da área médica é comum o uso de métodos não paramétricos (Kaplan-Meier) e semi-paramétricos (modelo riscos proporcionais de Cox) para estudar a sobrevivência de paciente. Modelos paramétricos também são atrativos nestes casos, uma vez que o pressuposto de riscos proporcionais não é necessário. Nesta abordagem vários tipos de distribuições paramétricas estão disponíveis. A escolha de um modelo paramétrico pode ser feita através de testes estatísticos com base em uma família paramétrica mais geral. A distribuição gama generalizada (GG) representa uma família paramétrica flexível que inclui a maioria das distribuições comumente utilizadas, e é muito usada na literatura com esta finalidade. Contudo, o ajuste e teste para este modelo com base em métodos da Verossimilhança necessitam da utilização de procedimentos de otimização implementados em softwares estatísticos. As rotinas mais conhecidas do software R para ajuste da GG frequentemente apresentam limitações e podem não funcionar em versões mais recentes do R. Nesse contexto, o objetivo desta monografia é descrever brevemente procedimentos para ajuste e escolha de modelos paramétricos de sobrevivência com base no uso de rotinas computacionais desenvolvidas em Silva (2013) no software R via adaptações do pacote flexsurv (flexible parametric survival models). Foram consideradas três aplicações da área médica para ilustrar os procedimentos estudados, sendo dois conjuntos de dados disponíveis na literatura (tempo entre ocorrências de diarreia infantil e sobrevivência de pacientes portadores de câncer no pulmão) e o outro foi cedido pelo Laboratório de Estatística Aplicada (LEA) da UFRN, e se refere ao tempo até a ocorrência de doação de órgãos depois do diagnóstico da morte encefálica.Universidade Federal do Rio Grande do NorteUFRNBrasilEstatísticaAnálise de sobrevivênciaModelo paramétricoDistribuição gama generalizadaAplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTModelosParametricos_Fonseca_2015.pdf.txtExtracted texttext/plain121549https://repositorio.ufrn.br/bitstream/123456789/34270/1/ModelosParametricos_Fonseca_2015.pdf.txt2e8f76fc13573c20c910c661174ad757MD51ORIGINALModelosParametricos_Fonseca_2015.pdfMonografiaapplication/pdf1267158https://repositorio.ufrn.br/bitstream/123456789/34270/2/ModelosParametricos_Fonseca_2015.pdf1e5fa419008a9733829c5d5f3479b11bMD52LICENSElicense.txttext/plain756https://repositorio.ufrn.br/bitstream/123456789/34270/3/license.txta80a9cda2756d355b388cc443c3d8a43MD53123456789/342702022-05-16 11:23:43.172oai:https://repositorio.ufrn.br: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ório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-05-16T14:23:43Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pr_BR.fl_str_mv Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
title Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
spellingShingle Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
Fonsêca, Cintya Régia Araújo da
Análise de sobrevivência
Modelo paramétrico
Distribuição gama generalizada
title_short Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
title_full Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
title_fullStr Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
title_full_unstemmed Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
title_sort Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos
author Fonsêca, Cintya Régia Araújo da
author_facet Fonsêca, Cintya Régia Araújo da
author_role author
dc.contributor.referees1.none.fl_str_mv Moreira, Jeanete Alves
dc.contributor.referees2.none.fl_str_mv MEDEIROS, Pledson Guedes
dc.contributor.author.fl_str_mv Fonsêca, Cintya Régia Araújo da
dc.contributor.advisor1.fl_str_mv Valença, Dione Maria
contributor_str_mv Valença, Dione Maria
dc.subject.pr_BR.fl_str_mv Análise de sobrevivência
Modelo paramétrico
Distribuição gama generalizada
topic Análise de sobrevivência
Modelo paramétrico
Distribuição gama generalizada
description Survival analysis is data whose dependent variable is the time until the occurrence of an event of interest. In applications in the medical field is common to use non-parametric methods (Kaplan-Meier) and semi-parametric (Cox proportional hazards model) to study patient survival. Parametric models are also attractive in those cases, since the proportional hazards assumption is required. In this approach several types of parametric distributions are available. The choice of a parametric model can be made by statistical tests based on a more general parametric family. The distribution generalized gamma (GG) is a flexible parametric family which includes most commonly used distributions commonly used in the literature for this purpose. However the setting and test for this model based on Likelihood methods require the use of optimization procedures implemented in statistical software. The best-known routines R software for GG setting often have limitations and can not work that in more recent versions of R. In this context, the objective of this paper is to briefly describe procedures for adjustment and choice of parametric survival models based on usage computational routines developed in Silva (2013) in R software via adaptations of flexsurv package (flexible parametric survival models). Are considered three applications in the medical field to illustrate the procedures studied, two sets of data available in the literature (time between occurrences of childhood diarrhea and survival of patients with cancer in the lung) and assigned by Applied Statistics Laboratory (LEA) UFRN which refers to the time after the organ donation diagnosis of brain death.
publishDate 2015
dc.date.accessioned.fl_str_mv 2015-11-24T18:00:25Z
2021-09-20T12:08:26Z
dc.date.available.fl_str_mv 2015-11-24T18:00:25Z
2021-09-20T12:08:26Z
dc.date.issued.fl_str_mv 2015-01-09
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.pr_BR.fl_str_mv 2009040694
dc.identifier.citation.fl_str_mv FONSÊCA, Cintya Régia Araújo da. Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos . 2015. 86 f. Trabalho de Conclusão de Curso (Monografia). Centro de Ciências Exatas e da Terra, Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal. 2015.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/34270
identifier_str_mv 2009040694
FONSÊCA, Cintya Régia Araújo da. Aplicações de análise de sobrevivência na área médica e a escolha de modelos paramétricos . 2015. 86 f. Trabalho de Conclusão de Curso (Monografia). Centro de Ciências Exatas e da Terra, Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal. 2015.
url https://repositorio.ufrn.br/handle/123456789/34270
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Estatística
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/34270/1/ModelosParametricos_Fonseca_2015.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/34270/2/ModelosParametricos_Fonseca_2015.pdf
https://repositorio.ufrn.br/bitstream/123456789/34270/3/license.txt
bitstream.checksum.fl_str_mv 2e8f76fc13573c20c910c661174ad757
1e5fa419008a9733829c5d5f3479b11b
a80a9cda2756d355b388cc443c3d8a43
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832655377629184