Ciências da Saúde

Os modelos de sobrevivência usuais assumem que todas as observações são suscetíveis ao evento de interesse, mesmo que não observado. No entanto, existem atualmente algumas situações em que, por exemplo, um grupo de pacientes responde favoravelmente ao tratamento e, após um longo período de seguimento, são considerados curados. Exemplos de situações com pacientes curados são estudos de alguns tipos de câncer, em que o evento de interesse pode ser tanto a reincidência ou o óbito, estudos de HIV, estudos de pacientes com insuficiência cardíaca, entre outros. Para analisar adequadamente os dados de problemas em que existe fração de curados, alguns modelos apropriados de sobrevivência, conhecidos como modelos com fração de cura, foram propostos na literatura. Os modelos já propostos envolvem modelagem paramétrica e alguns modelos semiparamétricos. Neste trabalho, são propostos estimadores não paramétricos para a fração de cura e para a probabilidade de sobrevivência dos pacientes não curados, baseados na técnica IPW (Inverse Probability Weighting). Algumas propriedades dos estimadores propostos são discutidas e é apresentada uma aplicação a dados reais, em que deseja-se estudar a ocorrência da primeira anemia em doadores frequentes de sangue.

As taxas de incidência e mortalidade de doenças por áreas pequenas têm sido representadas geralmente através de mapas a fim de identificar quer efeitos espaciais e temporais quer factores de risco das doenças. Por haver necessidade de produzir estimativas confiáveis para essas taxas, desenvolvimentos recentes em mapeamento de doenças têm tido grande impacto nas políticas de saúde e na Epidemiologia. O objectivo deste trabalho é desenvolver métodos para modelar e mapear taxas de mortalidade e de incidência de doenças por grupos etários e regiões. Estes métodos levam em consideração i) a sobre-dispersão, ii) a correlação espacial, iii) efeitos não-lineares específicos segundo a idade, usando modelos espaciais hierárquicos bayesianos com alisamento por partes (spline) específico segundo a idade. Embora a respectiva distribuição conjunta a posterior seja difícil de trabalhar, visto que as distribuições marginais a posterior dos parâmetros do modelo não são simples de se obter explicitamente, as estimativas a posterior podem ser facilmente obtidas através de métodos de Monte Carlo via cadeia de Markov (MCMC). A metodologia aqui desenvolvida é ilustrada com a análise espacial e específica segundo a idade de taxas do câncer pulmonar na província de Ontário, Canadá. Esse tipo de câncer é a principal causa de morte devido ao câncer no Canadá, representando uma estimativa de 30% das mortes por câncer em homens e 25% das mortes por câncer em mulheres.

Neste trabalho, consideramos que uma fração p0 da população são de indivíduos curados ou imunes e a fração restante 1 - p0 são de não curados. Assumimos a distribuição exponencial para o tempo de sobrevivência e a uniforme-exponencial para o tempo de censura. O impacto causado nas estimativas dos parâmetros do modelo de mistura padrão pela censura informativa uniforme-exponencial é analisado em um estudo com dados de leucemia. Estimativas de máxima verossimilhança da função de probabilidade de cura e intervalos de confiança assintóticos dos parâmetros de interesse são calculadas com o uso da matriz de informação de Fisher e com o uso da matriz de informação observada. Estimativas não-paramétricas da função de probabilidade de cura são também calculadas.

A Farmacogenômica abre a possibilidade da medicina personalizada por meio do descobrimento de quais medicamentos, e em qual regime de dosagem, funcionam melhor para cada indivíduo com um específico perfil genômico. Delineamentos com famílias têm sido bastante utilizados nessa área para a realização de estudos de associação genética. Nesse trabalho se propõe a utilização do gráfico da variável adicionada, aplicada a modelos mistos (poligênicos) para a decomposição do efeito médio do medicamento em efeitos associados a fatores genéticos para cada família

Este estudo tem como objetivo comparar os modelos de Holt-Winters e decomposição aditivo e multiplicativo e verificar qual deles se adequou melhor aos dados. Para tanto utilizou-se a técnica estatística denominada Análise de Séries Temporais. O trabalho apresentará uma abordagem dos pacientes com HIV do Hospital Universitário João de Barros Barreto, uma contextualização e conceitos da análise de séries temporais, suas principais características. Após aplicação dos modelos automáticos de séries temporais, o modelo que melhor se ajustou a série, foi o de decomposição sazonal aditivo com um erro percentual absoluto médio de 19,83%.

Tomando como base um banco de dados coletado pela médica Lúcia Brum, a partir de sua visita no estado do Amazonas, e juntamente com o embasamento teórico do modelo logístico, o projeto tem como objetivo criar um modelo que melhor estime a probabilidade de ocorrência de alteração cardíaca no município de Barcelos, Amazonas, devido à doença de Chagas, visto que, tal doença tem uma característica peculiar na região em questão.

In time-to-event studies, the occurrence of an event might be caused by one, among many, competing causes. Also, both the number of causes and the time-to-event associated with each cause may be not observed. Adding to this situation the existence of a proportion of individuals which is not susceptible to the occurrence of event of interesting, leading a scenario of competing causes with a cure fraction. In this paper, we propose a general survival model for accommodating data in the presence of competing causes and cure fraction. We assume the number of competing causes following a generalized negative binomial distribution while the times-to-event following a Log-logistic distribution. The advantage of this assumption is to incorporating in to the analysis characteristics of the treatment, such as the number of doses, the time interval between doses and the efficiency of each dose. The parameter estimation of the proposed model is straightforward via maximum likelihood estimation procedure. A simulation study was carried out in order to verify the coverage probabilities, the size and power of some hypotheses test under small and moderated sized samples. A real data on breast cancer is also provided.

Nesse trabalho, será abordado um método semiparamétrico que utiliza campos aleatórios markovianos ocultos. A função \textit{a priori} assume um modelo de mistura correlacionado espacialmente. Utiliza-se o algoritmo de Monte Carlo via Cadeias de Markov com saltos reversíveis para obter-se aproximações para as distribuições \textit{a posteriori} dos parâmetros. Como ilustração da metodologia estudada, foi analisada a taxa de mortalidade por câncer de traquéia, brônquios e pulmões nos estados de São Paulo, Paraná, Santa Catarina e Rio Grande do Sul no ano de 2007. Além disso, procedeu-se a simulação de dados, para avaliar o desempenho do modelo e para compará-lo com a metodologia paramétrica comumente aplicada.

Um dos maiores problemas no mapeamento de genes associados a doenças complexas atualmente é o de como tratar computacionalmente a alta dimensionalidade dos dados genéticos. Neste trabalho é considerado um procedimento multiestágios para análise de dados de famílias e plataformas de marcadores SNPs, proposto por Aulchenko et al. (2007), que permite reduzir consideravelmente o tempo computacional. Sob a formulação de modelos mistos, os autores propõem modelar o efeito de SNPs como fixo e associado com o componente de variância residual. Há controvérsias sobre como deve ser modelado o efeito de marcadores do tipo SNP quando se dispõe de dados de famílias. Neste trabalho serão discutidas limitações e vantagens desta alternativa de análise bem sua implementação computacional usando os recursos do aplicativo estatístico R. Como aplicação são considerados dados de um estudo com famílias brasileiras.

Este trabalho tem por objetivo analisar o período entre as últimas doações em doador de retorno inapto sorológico para HIV, HTLV e Hepatites B e C, e com base neste período, determinar o risco estimado da janela imunológica, e também ajustar um modelo de regressão paramétrico, onde covariáveis são consideradas.
A determinação do risco estimado da janela imunológica é feita por meio dos modelos probabilísticos de sobrevivência, já o ajuste do modelo, considerando covariáveis, é feito por meio dos modelos de tempo de vida acelerado (AFT).