Bayesian methods for data analysis of recurrent events considering a general class of models with multiplicative frailty / Métodos bayesianos para análise de dados de eventos recorrentes considerando uma classe geral de modelos com fragilidade multiplicativa

AUTOR(ES)
DATA DE PUBLICAÇÃO

2010

RESUMO

Em muitas situações há interesse em observar a ocorrência de um único tipo de falha, mais de uma vez, em cada indivíduo envolvido na análise. Nesse caso, é razoável supor a existência de associação entre tempos de ocorrência de eventos. Para considerar a existência de uma possível associação entre os tempos de sobrevivência, uma classe de modelos, denominada modelos de fragilidade, na qual um efeito aleatório é introduzido no modelo de Cox, vem sendo estudada. Peña e Hollander (2004) propuseram uma nova classe de modelos, mais geral e flexível, que incorpora simultaneamente os efeitos de covariáveis, o impacto da acumulação de tempos de ocorrências de eventos sobre o indivíduo, o efeito de variáveis latentes e o efeito das intervenções realizadas após cada ocorrência de evento. No que se refere à abordagem bayesiana, os modelos de fragilidade já foram explorados por vários autores. Por outro lado, a classe geral de modelos para eventos recorrentes ainda não foi estudada sob o enfoque bayesiano. Sendo assim, a proposta desta tese foi a utilização de métodos bayesianos para a classe geral de modelos com fragilidade para análise de dados de eventos recorrentes e também estudar, sob esse enfoque, o modelo de fragilidade multiplicativo e o modelo de Cox. Os modelos foram comparados considerando os métodos de seleção AIC (Critério de Informação de Akaike) e BIC (Critério de Informação Bayesiano). A metodologia proposta foi aplicada aos dados de Insuficiência Renal Crônica da Santa Casa de Misericórdia na cidade de Lavras, MG, os quais foram coletados exclusivamente para utilização nesta tese. Para esse conjunto de dados o efeito das covariáveis foi estudado e as fragilidades individuais para os pacientes em tratamento de Hemodiálise foram estimadas. Concluiu-se que a classe geral de modelos é importante porque considera além dos efeitos presentes nos outros modelos, o efeito da acumulação da recorrência dos eventos sobre os indivíduos. A aplicação ao conjunto de dados mostrou a importância dos termos de fragilidade e do parâmetro que mede efeito da acumulação da recorrência dos eventos sobre os indivíduos. Foi mostrado que o modelo proposto por Peña e Hollander pode ser útil para analisar dados de tempos de recorrência de hospitalizações para pacientes em tratamento de Hemodiálise. Nesse caso, foi verificado que o efeito do acumulo de recorrências de evento é um fator importante para predizer uma nova internação.

ASSUNTO(S)

análise de sobrevivência metrópolis-hastings bayesian inference estatistica metrópolis-hastings hemodialysis inferência bayesiana survival analysis hemodiálise

ACESSO AO ARTIGO

Documentos Relacionados