Análise de sobrevivência com erros de classificação desconhecidos

Raquel de Souza Borges Ferreira

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ICED-9H4FS3

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Magda Carvalho Pires	pt_BR
dc.contributor.advisor-co1	Enrico Antonio Colosimo	pt_BR
dc.contributor.referee1	Fabio Nogueira Demarqui	pt_BR
dc.contributor.referee2	Mario de Castro Andrade Filho	pt_BR
dc.creator	Raquel de Souza Borges Ferreira	pt_BR
dc.date.accessioned	2019-08-11T10:42:58Z	-
dc.date.available	2019-08-11T10:42:58Z	-
dc.date.issued	2013-01-17	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/ICED-9H4FS3	-
dc.description.abstract	When the interest resides in studying the time to an event, and the detection of this event is conditional to the outcome of some test that, in turn, may be subject to misclassification, the quality of the imperfect test is incorporated through its measures of sensitivity and specificity. However, when there is no information on such parameters, the model presents a problem of non-identifiability. This thesis aims at evaluating and solving the problem of non-identifiability using a Bayesian approach, and in addition analyzing the impact of restrictions on prior distributions for the parameters of sensitivity and specificity of the imperfect diagnostic test. Despite the increase of information via the restrictions, for relatively large samples posterior distributions are not sensitive to them. Validation subsets are also incorporated. In a study of a dataset used as example which has gold standard outcomes to all individuals, it was verified that the model with a validation subset can estimate satisfactorily the parameters. Moreover, simulation studies show improvements by incorporating such subsets.	pt_BR
dc.description.resumo	Quando o interesse é estudar o tempo de ocorrêncxia de um evento de interesse e a detecçãodeste está condicionada ao resultado de testes que, por sua vez, podem estar sujeitos a erros de classificação, incorpora-se aos modelos a qualidade do teste imperfeito a partir de suas medidas de sensibilidade e especifidade. Porém, quando não se tem informaçãosobre tais parâmetros, o modelo apresenta um problema de falta de identificabilidade.Este trabalho se propõe a avaliar e resolver o problema da falta de identificabilidde sob abordagem Bayesiana, além de analisar o impacto de restrições na distribuição a priori para os parâmetros de sensibilidade e especificidade do teste de diagnóstico. Apesar das restrições acrescentarem mais informação, para tamanhos amostrais relativamente grandes, as distribuições a posteriori não são sensíveis a elas. Incorpora-se tembém ao modelo subconjuntos de validação. Em um estudo de dados reais no qual se tem informação do teste padrão outo para todos os indivíduos, veficou-se que utilizando um modelo com subconjunto de validação consegue-se estimar satisfatoriamente os parâmetros. Além disso, estudos de simulação mostram as melhorias ao se incorporar tais subconjuntos.	pt_BR
dc.language	Português	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	Erros de classificação	pt_BR
dc.subject	Análise de sobrevivência	pt_BR
dc.subject	Subconjunto de validação	pt_BR
dc.subject.other	Análise de sobrevivência (Biometria)	pt_BR
dc.subject.other	Estatistica	pt_BR
dc.title	Análise de sobrevivência com erros de classificação desconhecidos	pt_BR
dc.type	Dissertação de Mestrado	pt_BR
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
disserta__o_raquel_ferreira.pdf		2.72 MB	Adobe PDF	View/Open

Show simple item record