Estatística Aplicada em Ciências Médicas, Saúde e Meio Ambiente

Neste trabalho introduzimos a distribuição exponencial generalizada como uma alternativa para algumas distribuições usadas em análise de sobrevivência. Inferimos sobre os parâmetros do modelo considerando dados completos, dados censurados e a presença de covariáveis, sob o enfoque clássico e Bayesiano, e no que se refere à análise Bayesiana adotamos diferentes distribuições a priori para os parâmetros. Como ilustração foram feitas algumas aplicações utilizando métodos de simulação MCMC (Monte Carlo em Cadeias de Markov) e o software Winbugs.

Testes diagnósticos são métodos capazes de indicar a presença ou ausência de uma doença com uma probabilidade de erro. O desempenho de um teste diagnóstico pode ser verificado por algum indicador, como: a especificidade, a sensibilidade e a curva ROC. Um gráfico do complemento da especificidade versus sensibilidade é chamado de curva ROC. A curva ROC demonstra a habilidade do teste em discriminar os diferentes diagnósticos da doença, logo é uma ferramenta gráfica que serve para avaliar o desempenho de um teste. Definimos três tipos de regiões de confiança em torno da curva ROC: as pontuais, as regionais e as globais. Em algumas situações, de acordo com a necessidade do clínico, uma decisão é tomada sobre uma determinada região específica da curva ROC. Revisamos alguns procedimentos para estimar a região de confiança para a curva ROC e propomos dois novos métodos (médias otimizadas e médias limiares otimizadas) para estimar essa região. Usamos o método bootstrap para buscar uma região de confiança em torno da curva ROC. Usando exemplos numéricos, aplicamos os métodos para comparar seus desempenhos.