Publicação
Análise de dados em modelos multiestado
| Resumo: | A análise de sobrevivência abrange uma classe de modelos e métodos estatísticos destinados à análise de dados de sobrevivência. Por dados de sobrevivência referimo-nos a todo o tipo de dados que resulta da observação de tempos desde um início bem especificado até à ocorrência de um evento de interesse, onde a ‘morte’ é o evento de interesse mais usual mas podendo assumir formas mais diversas como ‘recaída de uma doença crónica’, ‘obtenção de emprego’, ‘execução de uma tarefa’, etc. Os modelos multiestado podem ser considerados como uma generalização da análise de sobrevivência clássica onde a ‘morte’ é o evento de interesse, mas onde estados intermédios são identificados. Esta modelação oferece uma ferramenta flexível para o estudo dos efeitos de variáveis preditoras (covariáveis) para as transições entre diferentes estados. Os modelos multiestado podem trazer importantes detalhes biológicos que podem ser ignorados quando se usa um modelo de sobrevivência marginal. Em contraste com os dados de sobrevivência, nestes modelos é observada uma sequência de eventos, originando mais do que uma observação por indivíduo. Esta dissertação apresenta alguns resultados fundamentais da análise de sobrevivência. Uma revisão dos conceitos fundamentais em análise de sobrevivência, tais como, o estimador da função de sobrevivência de Kaplan-Meier, o teste de Log-Rank e o modelo de regressão de Cox, também conhecido por modelo de riscos proporcionais, bem como eventuais aplicações, é apresentada. A teoria básica subjacente aos modelos multiestado é também apresentada e extensivamente ilustrada. Com este trabalho pretendemos ilustrar de que modo os modelos multiestado podem ser utilizados como alternativa ao modelo de Cox. Para demonstrar o potencial da metodologia descrita, utilizou-se a base de dados do transplante do coração de Stanford. Foram realizadas várias análises para avaliar os efeitos de várias covariáveis na sobrevivência dos pacientes, incluindo a investigação simultânea de diferentes covariáveis na sobrevivência dos pacientes a estimação do risco relativo de transplante, testes de significância e modelos de regressão. Os modelos tipo-Cox de Markov e o modelos de Markov em tempo homogéneo são apresentados, salientando-se a estimação dos efeitos de covariáveis, recorrendo ao modelo multiestado efermidade-morte. A utilização de modelos tipo-Cox revelou ser uma utilização fácil e eficiente que permite relacionar os efeitos das variáveis predictoras nas várias transições, segundo a abordagem dos modelos multiestado. Esta abordagem revelou-se uma alternativa ao modelo de regressão de Cox com covariáveis dependentes no tempo, capturando detalhes adicionais do desenvolvimento normal da doença. |
|---|---|
| Autores principais: | Fernandes, Alda Marisa Ribeiro |
| Ano: | 2010 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | A análise de sobrevivência abrange uma classe de modelos e métodos estatísticos destinados à análise de dados de sobrevivência. Por dados de sobrevivência referimo-nos a todo o tipo de dados que resulta da observação de tempos desde um início bem especificado até à ocorrência de um evento de interesse, onde a ‘morte’ é o evento de interesse mais usual mas podendo assumir formas mais diversas como ‘recaída de uma doença crónica’, ‘obtenção de emprego’, ‘execução de uma tarefa’, etc. Os modelos multiestado podem ser considerados como uma generalização da análise de sobrevivência clássica onde a ‘morte’ é o evento de interesse, mas onde estados intermédios são identificados. Esta modelação oferece uma ferramenta flexível para o estudo dos efeitos de variáveis preditoras (covariáveis) para as transições entre diferentes estados. Os modelos multiestado podem trazer importantes detalhes biológicos que podem ser ignorados quando se usa um modelo de sobrevivência marginal. Em contraste com os dados de sobrevivência, nestes modelos é observada uma sequência de eventos, originando mais do que uma observação por indivíduo. Esta dissertação apresenta alguns resultados fundamentais da análise de sobrevivência. Uma revisão dos conceitos fundamentais em análise de sobrevivência, tais como, o estimador da função de sobrevivência de Kaplan-Meier, o teste de Log-Rank e o modelo de regressão de Cox, também conhecido por modelo de riscos proporcionais, bem como eventuais aplicações, é apresentada. A teoria básica subjacente aos modelos multiestado é também apresentada e extensivamente ilustrada. Com este trabalho pretendemos ilustrar de que modo os modelos multiestado podem ser utilizados como alternativa ao modelo de Cox. Para demonstrar o potencial da metodologia descrita, utilizou-se a base de dados do transplante do coração de Stanford. Foram realizadas várias análises para avaliar os efeitos de várias covariáveis na sobrevivência dos pacientes, incluindo a investigação simultânea de diferentes covariáveis na sobrevivência dos pacientes a estimação do risco relativo de transplante, testes de significância e modelos de regressão. Os modelos tipo-Cox de Markov e o modelos de Markov em tempo homogéneo são apresentados, salientando-se a estimação dos efeitos de covariáveis, recorrendo ao modelo multiestado efermidade-morte. A utilização de modelos tipo-Cox revelou ser uma utilização fácil e eficiente que permite relacionar os efeitos das variáveis predictoras nas várias transições, segundo a abordagem dos modelos multiestado. Esta abordagem revelou-se uma alternativa ao modelo de regressão de Cox com covariáveis dependentes no tempo, capturando detalhes adicionais do desenvolvimento normal da doença. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.