Um estudo comparativo de novos modelos de regressão paramétricos para dados de sobrevivência

• Autor(a) principal: Ju, Yang Ting
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-20112023-221652/
• topic: Análise de sobrevivência; Censura à direita; Cox-Snell residuals; Modelo de regressão paramétrica; Parametric regression model; Resíduos de Cox-Snell; Right censoring; Survival analysis

A análise de sobrevivência é uma área da estatística que possui como foco o estudo da variável resposta tempo até a ocorrência de um evento de interesse, também denominado de tempo de falha. Uma das principais características desses modelos é a sua abordagem estatística diferenciada para dados com a presença de censuras, que ocorre quando o tempo de falha da unidade amostral é parcialmente observado. Atualmente, existem diversas novas distribuições de probabilidade com aplicações em dados de sobrevivência, propostas por artigos no mundo todo. Assim, é natural o surgimento da dúvida sobre qual desses novos modelos paramétricos é o mais adequado para os dados e se eles são mais indicados quando comparados aos modelos clássicos como o modelo exponencial, Weibull e log-logístico. Dessa forma, o presente trabalho tem como objetivo avaliar e comparar os modelos de regressão paramétricos propostos recentemente na literatura. No total, quatro novos modelos foram selecionados: Lomax-Weibull, Weibull-Marshall-Olkin-Weibull, Weibull-log-logística-generalizada e odd-Birnbaum-Saunders. Já os modelos clássicos escolhidos para comparação foram das distribuições Weibull e log-logística, uma vez que elas são bastante conhecidas e difundidas na literatura. Pela simulação dos dados, observa-se que os modelos clássicos em geral apresentam uma melhor performance. As técnicas de comparação utilizadas foram os critérios AIC, BIC, os gráficos de resíduos de Cox-Snell com o auxílio do teste de Kolmogorov-Smirnov e o teste de razão de verossimilhanças generalizado que se mostrou como a melhor ferramenta para seleção dos modelos paramétricos.