Análise de Sobrevivência e Confiabilidade

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.

Neste trabalho estudamos o modelo de sobrevivência com fração de cura proposto por Yakovlev et al. (1993) que possui uma estrutura de riscos competitivos. Covariáveis são introduzidas para modelar o núumero médio de riscos e permitimos que algumas destas covariáveis apresentem omissão. Consideramos apenas os casos em que as covariáveis omissas são categóricas e as estimativas dos parâmetros são obtidas através do algoritmo EM ponderado (Dempster et al. 1977). Apresentamos uma série de simulações para confrontar as estimativas obtidas através deste método com as obtidas quando se exclui do banco de dados as observações que apresentam omissão, conhecida como análise de casos completos (ACC). Avaliamos também através de simulações, o impacto na estimativa dos parâmetros quando aumenta-se o percentual de curados e de censura entre indivíduos não curados. Um conjunto de dados reais referentes ao tempo até a conclusão do curso de estatística na Universidade Federal do Rio Grande do Norte é utilizado para ilustrar o método

Neste trabalho a fração de curados de pacientes com insuficiência cardíaca, encaminhados para o setor de transplantes da FMUSP, foi estimada pelo modelo apresentado em Castro et al. (2009). Usou-se uma amostra de 898 pacientes que esperavam por transplante. Observou-se para cada paciente o tempo desde a entrada no protocolo hospitalar até a realização do transplante (evento de interesse). Assumiu-se a distribuição de Weibull para os possíveis não curados e a distribuição Binomial Negativa para o número de causas competitivas (M), usou-se a covariável fração de ejeção, categorizada em dois grupos (< 20% e 20%) para verificar sua influencia no tempo observado, bem como estimar uma possível proporção de imunes ao evento de interesse. A estimativa bayesiana da fração de curados foi de aproximadamente 8% e 17% para pacientes com fração de ejeção menor que 20% e maior que 20%, respectivamente, com base em prioris não informativas para os parâmetros do modelo, e uso de métodos MCMC no processo de estimação.

Palavras-Chave: Modelos de Longa Duração, fração de cura, prioris não-informativas.

Agradecimentos:

Agradeço à FAPEMIG na colaboração deste projeto.