Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos

Detalhes bibliográficos
Autor(a) principal: Santos, Milene Regina dos
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/17/17139/tde-08012020-103706/
Resumo: A análise de sobrevivência, também chamada de análise de confiabilidade nas aplicações em engenharia, consiste em uma classe de métodos estatísticos usados para estudar o tempo até a ocorrência de um evento de interesse, como o tempo até o óbito de um paciente, o tempo de recuperação após um tratamento médico, o tempo de hospitalização devido a uma doença, entre vários outros eventos de interesse médico. Dados de sobrevivência geralmente apresentam censuras ocasionadas por limitação de tempo no seguimento dos pacientes, perdas de seguimentos por outras causas ou censuras ocasionadas pelo próprio planejamento do experimento. Outra característica comum em análise de sobrevivência é a presença de indivíduos imunes ou uma fração de curas, em que parte dos pacientes não são sujeitos ao evento de interesse. Nesse caso, a literatura estatística apresenta muitos modelos, com destaque especial aos modelos de mistura e não-misturas. Alternativamente, modelos baseados em distribuições impróprias, denominadas como distribuições defectivas podem ser usados para analisar dados com essas características. Nesta dissertação serão apresentadas inferências Bayesianas e de Máxima Verossimilhança para os parâmetros do modelo de fração de cura assumindo a distribuição defectiva de Gompertz na presença de dados censurados e covariáveis. Para ilustrar a metodologia proposta, são consideradas aplicações com dados relacionados aos tempos de sobrevida de pacientes com câncer cervical e pacientes portadores do vírus HIV. Na análise Bayesiana, sumários a posteriori de interesse são obtidos usando métodos de simulação MCMC (Monte Carlo em Cadeias de Markov) para gerar amostras da distribuição a posteriori conjunta de interesse.
id USP_3ab4c655707261ceae2726c226a32061
oai_identifier_str oai:teses.usp.br:tde-08012020-103706
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicosBayesian and frequentist inference methods assuming a Gompertz defective distribution in the presence of fraction of cures: applications to medical dataAnálise de sobrevidaBayesian inferenceDefective distributionsDistribuição Gompertz modificadaDistribuições defectivasEstimadores de máxima verossimilhançaInferência BayesianaMaximum likelihood estimatorsMCMC methodsMétodos MCMCModified Gompertz distributionSurvival analysisA análise de sobrevivência, também chamada de análise de confiabilidade nas aplicações em engenharia, consiste em uma classe de métodos estatísticos usados para estudar o tempo até a ocorrência de um evento de interesse, como o tempo até o óbito de um paciente, o tempo de recuperação após um tratamento médico, o tempo de hospitalização devido a uma doença, entre vários outros eventos de interesse médico. Dados de sobrevivência geralmente apresentam censuras ocasionadas por limitação de tempo no seguimento dos pacientes, perdas de seguimentos por outras causas ou censuras ocasionadas pelo próprio planejamento do experimento. Outra característica comum em análise de sobrevivência é a presença de indivíduos imunes ou uma fração de curas, em que parte dos pacientes não são sujeitos ao evento de interesse. Nesse caso, a literatura estatística apresenta muitos modelos, com destaque especial aos modelos de mistura e não-misturas. Alternativamente, modelos baseados em distribuições impróprias, denominadas como distribuições defectivas podem ser usados para analisar dados com essas características. Nesta dissertação serão apresentadas inferências Bayesianas e de Máxima Verossimilhança para os parâmetros do modelo de fração de cura assumindo a distribuição defectiva de Gompertz na presença de dados censurados e covariáveis. Para ilustrar a metodologia proposta, são consideradas aplicações com dados relacionados aos tempos de sobrevida de pacientes com câncer cervical e pacientes portadores do vírus HIV. Na análise Bayesiana, sumários a posteriori de interesse são obtidos usando métodos de simulação MCMC (Monte Carlo em Cadeias de Markov) para gerar amostras da distribuição a posteriori conjunta de interesse.Survival analysis, also called reliability analysis in engineering applications, consists of a class of statistical methods used to study the time to the occurrence of an event of interest, such as time to death of a patient, recovery after a medical treatment, length of hospital stay due to illness, among several other events of medical interest. Survival data usually present censors caused by time limitation in the follow-up of patients, loss of follow-ups due to other causes or censors caused by the planning of the experiment itself. Another common feature in survival analysis is the presence of immune individuals or a fraction of cures, in which part of the patients are not subject to the event of interest. In this case, the statistical literature presents many models, with particular emphasis on mixing models and non-mixtures (see for example, MALLER and ZHOU, 1996). Alternatively, models based on improper distributions, referred to as defective distributions, can be used to analyze data with these characteristics. In this dissertation will be presented Bayesian and Maximum likelihood inferences for the parameters of the curing fraction model assuming the Gompertz defective distribution in the presence of censored and covariable data. To illustrate the proposed methodology, applications with data related to the survival times of patients with cervical cancer and patients with HIV are considered. In Bayesian analysis, a posteriori interest summaries are obtained using Monte Carlo Markov Chain Simulation (MCMC) simulation methods to generate samples of the joint posterior distribution of interest.Biblioteca Digitais de Teses e Dissertações da USPAchcar, Jorge AlbertoMartinez, Edson ZangiacomiSantos, Milene Regina dos2019-09-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/17/17139/tde-08012020-103706/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-02T23:00:02Zoai:teses.usp.br:tde-08012020-103706Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-02T23:00:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
Bayesian and frequentist inference methods assuming a Gompertz defective distribution in the presence of fraction of cures: applications to medical data
title Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
spellingShingle Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
Santos, Milene Regina dos
Análise de sobrevida
Bayesian inference
Defective distributions
Distribuição Gompertz modificada
Distribuições defectivas
Estimadores de máxima verossimilhança
Inferência Bayesiana
Maximum likelihood estimators
MCMC methods
Métodos MCMC
Modified Gompertz distribution
Survival analysis
title_short Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
title_full Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
title_fullStr Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
title_full_unstemmed Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
title_sort Métodos de inferência Bayesiana e frequentista assumindo a distribuição defectiva de Gompertz na presença de fração de curas: aplicações a dados médicos
author Santos, Milene Regina dos
author_facet Santos, Milene Regina dos
author_role author
dc.contributor.none.fl_str_mv Achcar, Jorge Alberto
Martinez, Edson Zangiacomi
dc.contributor.author.fl_str_mv Santos, Milene Regina dos
dc.subject.por.fl_str_mv Análise de sobrevida
Bayesian inference
Defective distributions
Distribuição Gompertz modificada
Distribuições defectivas
Estimadores de máxima verossimilhança
Inferência Bayesiana
Maximum likelihood estimators
MCMC methods
Métodos MCMC
Modified Gompertz distribution
Survival analysis
topic Análise de sobrevida
Bayesian inference
Defective distributions
Distribuição Gompertz modificada
Distribuições defectivas
Estimadores de máxima verossimilhança
Inferência Bayesiana
Maximum likelihood estimators
MCMC methods
Métodos MCMC
Modified Gompertz distribution
Survival analysis
description A análise de sobrevivência, também chamada de análise de confiabilidade nas aplicações em engenharia, consiste em uma classe de métodos estatísticos usados para estudar o tempo até a ocorrência de um evento de interesse, como o tempo até o óbito de um paciente, o tempo de recuperação após um tratamento médico, o tempo de hospitalização devido a uma doença, entre vários outros eventos de interesse médico. Dados de sobrevivência geralmente apresentam censuras ocasionadas por limitação de tempo no seguimento dos pacientes, perdas de seguimentos por outras causas ou censuras ocasionadas pelo próprio planejamento do experimento. Outra característica comum em análise de sobrevivência é a presença de indivíduos imunes ou uma fração de curas, em que parte dos pacientes não são sujeitos ao evento de interesse. Nesse caso, a literatura estatística apresenta muitos modelos, com destaque especial aos modelos de mistura e não-misturas. Alternativamente, modelos baseados em distribuições impróprias, denominadas como distribuições defectivas podem ser usados para analisar dados com essas características. Nesta dissertação serão apresentadas inferências Bayesianas e de Máxima Verossimilhança para os parâmetros do modelo de fração de cura assumindo a distribuição defectiva de Gompertz na presença de dados censurados e covariáveis. Para ilustrar a metodologia proposta, são consideradas aplicações com dados relacionados aos tempos de sobrevida de pacientes com câncer cervical e pacientes portadores do vírus HIV. Na análise Bayesiana, sumários a posteriori de interesse são obtidos usando métodos de simulação MCMC (Monte Carlo em Cadeias de Markov) para gerar amostras da distribuição a posteriori conjunta de interesse.
publishDate 2019
dc.date.none.fl_str_mv 2019-09-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/17/17139/tde-08012020-103706/
url http://www.teses.usp.br/teses/disponiveis/17/17139/tde-08012020-103706/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256790347022336