Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Assunção, Danillo Magalhães Xavier |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/104/104131/tde-11092023-145419/
|
Resumo: |
Nesta tese de doutorado, a metodologia proposta se baseia em dados de sobrevivência inflacionados de zero para lidar com situações as quais existem uma fração de zeros inflacionados (ou ajustados) e de curados considerando diferentes esquemas de ativação. Nessa abordagem assumimos que a ocorrência do evento de interesse é originada por um estrutura latente de ativação: primeiro, último e aleatório, ou seja, permite que diferentes mecanismos de ativação concorrentes expliquem a ocorrência do fenômeno de interesse. Neste contexto, o novo modelo denominado modelo de fração de cura inflacionado de zero sob diferentes esquemas de ativação é uma extensão do modelo inflacionado de zeros proposto por Jr, Moreira e Louzada (2017); do modelo proposto por Roman et al. (2013) e do modelo de tempo de promoção proposto por Yakovlev (1996) e Chen, Ibrahim e Sinha (1999), pois incorporamos a inflação de zeros e os esquemas de ativações na modelagem. Para as estimativas dos parâmetros do modelo com longa duração e inflação de zeros, nós consideramos as abordagens clássica e Bayesiana. Os modelos de fração de cura ou modelos de fração de cura zero ajustados assumem indiretamente que todos os pacientes expostos ao evento de interesse têm risco homogêneo, porém, a existência de uma heterogeneidade pode ser medida através da inclusão de covariáveis. Sendo assim, é possível medir uma parcela dessa heterogeneidade pelas covariáveis, contudo tem-se a presença de um grau de heterogeneidade induzida por causas não observáveis. Os modelos que incluem essa heterogeneidade não observável entre os sujeitos são conhecidos como modelos de fragilidade. Neste contexto, o termo de fragilidade é incorporado na função de risco da modelagem proposta para controlar a heterogeneidade não observável dos pacientes em que assumimos uma distribuição gama para a variável de fragilidade. Estudos de simulação são realizados e também aplicações de dados reais |
