Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/BUOS-92FLGG
Tipo: | Dissertação de Mestrado |
Título: | Análise de sobrevivência com erros de classificação |
Autor(es): | Arlaine Aparecida da Silva |
Primeiro Orientador: | Magda Carvalho Pires |
Primeiro Coorientador: | Enrico Antonio Colosimo |
Resumo: | A analise de dados de sobrevivência consiste no estudo do tempo ate a ocorrência de um evento de interesse como, por exemplo, a morte de um paciente, cura ou recidiva de uma doenca. Quando o tempo exato de ocorrencia nao e conhecido, mas sabe-se que ele aconteceu no intervalo entre duas avaliaçoes consecutivas do indivduo, estamos diante de um estudo com censura intervalar. Entretanto, a detecao do evento depende da qualidade dos testes aplicados, pois estes podem estar sujeitos a erros de classicaçao: um individuo pode ser diagnosticado como doente quando na verdade ele esta sadio ou um individuo doente pode ser diagnosticado como sadio. Nesses casos, aoutilizar metodos tradicionais de Analise de Sobrevivencia, estimativas viciadas para os parametros da distribuiçao do tempo de falha são obtidas [Paggiaro e Torelli (2004)]. Apresentamos, entao, uma proposta que incorpora a sensibilidade e a especicidade do teste ao modelo de analise de sobrevivencia com dados grupados (caso especial de censura intervalar em que todas as unidades sao avaliadas nos mesmos instantes). Estudos de simulaçao Monte Carlo demonstraram que, quando a sensibilidade e a especificidade do teste são conhecidas, o metodo proposto de bastante eciente, pois suas estimativas apresentam menor vicio relativo do que aquelas fornecidas pelo metodo tradicional. |
Abstract: | Survival data analysis is concerned with the study of time until the occurrence of an event of interest, such as the death of a patient, the cure or the recurrence of a disease. If the exact time of the event of interest is not known, but instead, the event is known to have occurred during aparticular interval of time, the data are known as interval-censored survival data. However, if the diagnostic tool used to detect failure is not perfectly sensitive and specic, the subjects may be misclassi ed: a healthy one may be diagnosed as sick and a sick individual may be diagnosed as healthy as well. In such cases, the traditional survival analysis methods produce biased estimates for the failure time distribution parameters [Paggiaro and Torelli (2004)]. So we developed a model that incorporates sensitivity and specicity in grouped survival data analysis (a special case of minterval- censored data in which all subjects are tested at predetermined time points). Monte Carlosimulation studies have shown that, if sensitivity and specificity are known, the proposed method is very eficient, since its estimates percent bias are lower than those provided by traditional method. |
Assunto: | Estatistica |
Idioma: | Português |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/BUOS-92FLGG |
Data do documento: | 2-Mar-2012 |
Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
disserta__o_arlaine_a_silva.pdf | 661.54 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.