Novas Modelagens de Risco Aditivo com Fragilidade para Análise de Dados de Sobrevivência

• Autor(a) principal: Silva, Felipe Rodrigues da
• Data de Publicação: 2024
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-13052024-150236/
• topic: Additive hazard model; Análise de sobrevivência; Cure fraction; Eventos recorrentes; Fração de cura; Fragilidade; Frailty; Modelo de risco aditivo; Recurrent events; Survival analysis

A análise de sobrevivência emerge como uma valiosa área da estatística para examinar o tempo até a ocorrência de eventos de interesse. Diversos modelos foram concebidos e aplicados em diversas áreas tais como: Medicina, Engenharia, Biomedicina e Ciências Sociais. O modelo proposto por Cox (1972) destaca-se como um dos mais reconhecidos e empregados na análise de dados de sobrevivência. No entanto, é importante notar que esse modelo parte da suposição de que os riscos são proporcionais, uma premissa que nem sempre é justificável. Um modelo alternativo aos modelos de riscos proporcionais de Cox é o modelo de risco aditivo que inicialmente foi proposto por Aalen (1980). No modelo aditivo o efeito das covariáveis é inserido aditivamente à função de risco de base. Em muitas situações existem fatores não observados no estudo que influenciam o tempo de sobrevivência, dessa forma para dados de sobrevivência univariados um efeito aleatório, denominado por Aalen (1978) e Clayton (1978) como termo de fragilidade, pode ser inserido de forma aditiva ou multiplicativa para estimar essa heterogeneidade não observada. Neste contexto, o termo de fragilidade inserido aditivamente na modelagem de risco para análise de dados univariados e dados de eventos recorrentes foi estudado e aplicado a dados reais. Além disso, uma proposta de estimador para as fragilidades individuais foi apresentada. Também um modelo de fração de cura com fragilidade aditiva foi proposto e aplicado a dados reais, onde esse modelo é aplicável a estudos em que existem indivíduos que são considerados imunes, curados ou não suscetíveis ao evento de interesse. Uma nova modelagem de risco aditivo alternativa também foi proposta baseada em Gupta (2016). A abordagem de máxima verosimilhança foi utilizada para estimação dos parâmetros dos modelos estudados, e estudos via simulação de Monte Carlo foram desenvolvidos para avaliar o comportamento dos estimadores de máxima verossimilhança.