Modelagem conjunta para dados longitudinais e sobrevivência na presença de riscos competitivos

• Ano de defesa: 2023
• Autor(a) principal: Silva, Renato Santos da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de sobrevivência; Competitive risks; Dados longitudinais; Joint modeling; Linear mixed-effects model; Longitudinal data; Modelagem conjunta; Modelo linear de efeitos-mistos; Riscos competitivos; Survival analysis
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-18122023-100548/

Em muitos estudos na área médica, o principal interesse está no tempo de vida de pacientes com alguma doença. Como exemplo, tem-se o estudo ERICO (Estratégia do Registro de Insuficiência Cororanana) realizado no HU-USP (Santos et al., 2015), em que um dos interesses primários está em avaliar a sobrevida de pacientes que tiveram síndrome coronariana aguda. Em muitos estudos, e em especial no ERICO, o interesse pode estar em avaliar as diferentes causas de óbito separadamente. Essa característica é conhecida na literatura como riscos competitivos. Nesse estudo em particular, é de interesse também avaliar fatores associados com o nível de atividade física de sobreviventes, avaliada ao logo do tempo por meio de questionário apropriado, bem como o efeito da atividade física na sobrevida. Tem-se, portanto, uma estrutura de dados longitudinais e de sobrevivência com riscos competitivos. Nos últimos anos, cresceu o interesse dos pesquisadores sobre a modelagem conjunta de dados longitudinais e sobrevivência na presença de riscos competitivos. Nesta tese, propõe-se três metodologias para essa modelagem a modelagem conjunta. A primeira abordagem é um modelo paramétrico Weibull imprópria para descrever a resposta do risco competitivo. A segunda abordagem é por meio do modelo de Fine e Gray, que utiliza a função de taxa de falha da subdistribuição com covariáveis dependentes no tempo, e, por fim, a última abordagem é por meio do modelo de mistura semiparamétrica, que satisfaz a propriedade da soma da probabilidade acumulada de cada causa resultar em um. Em todos os modelos propostos, para a componente longitudinal será usado o modelo linear de efeitos-mistos, no qual a resposta segue uma distribuição normal. O processo inferencial será baseado na estatística clássica. Os modelos propostos são avaliados por meio de um extenso estudo de simulação e uma análise de dados reais será apresentada.