spsurv: an R package for semi-parametric survival analysis
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
spsurv: an R package for semi-parametric survival analysis
Primeiro orientador
Membros da banca
Marcos Oliveira Prates
Dani Gamerman
Dani Gamerman
Resumo
Avanços na computação e no desenvolvimento de software permitiram cálculos mais
complexos e menos custosos no que diz respeito a pesquisas médicas (análise de sobrevivência), a estudos de engenharia (confiabilidade) e a observação de eventos sociais (análise de eventos históricos). Assim sendo, muitos esforços de modelagem semi-paramétrica
para dados de tempo até o evento surgiram nos últimos anos. Neste contexto, este trabalho apresenta uma estrutura flexível baseada no polinômio de Bernstein para modelagem de dados de sobrevivência. Essa abordagem inovadora é aplicada na estimação
de funções de base desconhecidas inerentes de famílias de modelos existentes na literatura, como modelos de riscos proporcionais, chances proporcionais e tempo de falha
acelerado. Além da contribuição literária, este trabalho também contribui com rotinas
automatizadas inéditas para a comunidade de usuários da linguagem R, com o suporte de
algoritmos implementados no software Stan. Ao final do estudo, a implementação das
rotinas propostas foi discutida e avaliada através de estudos de simulação. A criação de
um pacote R surge como alternativa para agrupar todas essas importantes contribuições.
Além disso, os modelos baseados no polinômio de Bernstein de riscos proporcionais, de
chances proporcionais e de tempo de falha acelerado foram ajustados a dados reais de
pacientes portadores de câncer, usando tanto o método de estimação por máxima verossimilhança quanto algoritmos Bayesianos.
Abstract
Software development innovations and advances in computing have enabled more
complex and less costly computations in medical research (survival analysis), engineering
studies (reliability analysis), and social sciences event analysis (historical analysis). As a
result, many semi-parametric modeling efforts emerged when it comes to time-to-event
data analysis. In this context, this work presents a flexible Bernstein polynomial (BP)
based framework for survival data modeling. This innovative approach is applied to existing families of models such as proportional hazards (PH), proportional odds (PO), and
accelerated failure time (AFT) models to estimate unknown baseline functions. Along
with this contribution, this work also presents new automated routines in R, taking advantage of algorithms available in Stan. The proposed computation routines are tested
and explored through simulation studies based on artificial datasets. The tools implemented to fit the proposed statistical models are combined and organized in an R package.
Also, the BP based proportional hazards (BPPH), proportional odds (BPPO), and accelerated failure time (BPAFT) models are illustrated in real applications related to cancer trial data using maximum likelihood (ML) estimation and Markov chain Monte Carlo (MCMC) methods.
Assunto
Estatística - Teses, Análise de sobrevivência (Biometria) - Teses, Polinômio de Bernstein - Teses, Analise do tempo de falha - Teses
Palavras-chave
Proportional hazards, Proportional odds, Accelerated failure time, Bernstein polynomial