Análise de sobrevivência com erros de classificação desconhecidos
Carregando...
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
Primeiro orientador
Membros da banca
Fabio Nogueira Demarqui
Mario de Castro Andrade Filho
Mario de Castro Andrade Filho
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.
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.
Assunto
Análise de sobrevivência (Biometria), Estatistica
Palavras-chave
Erros de classificação, Análise de sobrevivência, Subconjunto de validação