Modelos Bayesianos de Poisson Para a Análise de Dados de Contagem Longitudinais

Nesse artigo são apresentados diferentes modelos de "fragilidade" para a análise de dados longitudinais de Poisson na presença de uma covariável. Esses modelos incorporam a variabilidade extra-Poisson e a possível correlação entre as medidas repetidas para cada indivíduo. Uma análise Bayesiana hierárquica foi utilizada para a análise dos dados de contagem considerando o método MCMC (Markov Chain Monte Carlo). Considerando um banco de dados real da área clínica, são discutidos alguns aspectos de discriminação Bayesiana para a escolha do melhor modelo. Dados de contagem longitudinal na presença de uma ou mais covariáveis são muito comuns, especialmente em estudos médicos. Para a análise deste tipo de banco de dados, normalmente é necessário utilizar modelos que capturam a correlação entre os dados de contagem e a presença de superdispersão. Diferentes modelos de "fragilidade" são introduzidos na literatura para analisar dados de contagem de Poisson, e o uso de métodos Bayesianos Hierárquicos são muito utilizados na analise deste tipo de dados.