Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/BUBD-AA2EHB
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Fabio Nogueira Demarqui | pt_BR |
dc.contributor.advisor-co1 | Thiago Rezende dos Santos | pt_BR |
dc.contributor.referee1 | Wagner Barreto de Souza | pt_BR |
dc.contributor.referee2 | Leonardo Soares Bastos | pt_BR |
dc.creator | Juliana Freitas de Mello e Silva | pt_BR |
dc.date.accessioned | 2019-08-11T15:49:03Z | - |
dc.date.available | 2019-08-11T15:49:03Z | - |
dc.date.issued | 2016-02-22 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/BUBD-AA2EHB | - |
dc.description.abstract | The Piecewise Exponential Model (PEM) is a very utilized model, mainly in survival analysis. When using this model, one considers a partition of the time axis into a finite number of intervals and, after that, a constant failure rate is considered to each interval. Therefore the PEM approximates a continuous function, the failure rate, through line segments. For this reason, the PEM is a very exible model and, although it is a parametric model, it is often considered as non parametric one. The present work proposes a Bayesian dynamic approach that allows one to obtain the exact smoothed distribution for the parameters representing the failure rate. Moreover, the partition of the time grid(and, consequently, the number of intervals), will be considered as an unknown quantity to be estimated. This entire approach will be used to model the cure fraction in a population, which occurs when a part of the individuals in a study is considered cured and, therefore, will never experience the event of interest. For comparison purposes, the fixed time grid will also be considered. Lastly, in order to illustrate this approach, an application will be shown. | pt_BR |
dc.description.resumo | O Modelo Exponencial por Partes (MEP) é um modelo bastante utilizado principalmente em análise de sobrevivência. Ao utilizar esse modelo, uma partição do eixo do tempo em um número finito de intervalos é estabelecida e, em seguida, uma taxa de falha constante é considerada para cada um dos intervalos. Portanto, o MEP aproxima uma função continua, a saber a taxa de falha, através de seguimentos de reta. Por essa razão, o MEP é um modelo bastante flexível, embora este seja um modelo paramétrico, é frequentemente considerado como não paramétrico. O presente trabalho propõe uma abordagem bayesiana dinâmica que permite a obtenção de uma distribuição suavizada exata para os parâmetros representando a taxa de falha. Além disso a partição do eixo do tempo (e, consequentemente, o número de intervalos) será considerada como uma quantidade desconhecida a ser estimada. Toda a abordagem proposta será utilizada para modelar a fração de cura em uma população, o que ocorre quando uma parte dos indivíduos em um estudo _e considerada curada e, portanto, nunca experimentará o evento de interesse. Para que seja possível uma comparação, o caso com grade fixa também será considerado. Por fim, será mostrada uma aplicação a fim de ilustrar os conceitos apresentados. | pt_BR |
dc.language | Inglês | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Modelo de riscos proporcionais | pt_BR |
dc.subject | Abordagem | pt_BR |
dc.subject | Modelo de fração de cura | pt_BR |
dc.subject | Análise de sobrevivência | pt_BR |
dc.subject | dinâmica | pt_BR |
dc.subject | Modelo exponencial por partes | pt_BR |
dc.subject.other | Estatística | pt_BR |
dc.subject.other | Avaliação de riscos | pt_BR |
dc.subject.other | Análise de sobrevivência (Biometria) | pt_BR |
dc.subject.other | Estatistica | pt_BR |
dc.subject.other | Teoria bayesiana de decisão estatistica | pt_BR |
dc.title | Modelo exponencial por partes para dados de sobrevivência com longa duração | pt_BR |
dc.type | Dissertação de Mestrado | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
dissertacao_final.pdf | 650.34 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.