Uma classe de modelos bayesianos semiparamétricos de transformação para dados de sobrevivência com fração de cura

• Ano de defesa: 2026
• Autor(a) principal: Belini, Maria Luisa Scherer
• Orientador(a): Oliveira, Ricardo Puziol de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (UNESP)
• Palavras-chave em Português: Análise de sobrevivência; Fração de cura; Inferência bayesiana; Modelos de transformação; Modelos semiparamétricos
• Palavras-chave em Inglês: Survival analysis; Cure fraction; Bayesian inference; Transformation models; Semiparametric models
• Link de acesso: https://hdl.handle.net/11449/332111

Modelos de sobrevivência com fração de cura são adequados a contextos em que uma parcela da população pode permanecer livre do evento de interesse em longo prazo, comportamento associado à presença de um platô na curva de sobrevivência. Esta dissertação propõe uma classe de modelos Bayesianos semiparamétricos de transformação do risco acumulado com fração de cura, na qual o componente de incidência representa a probabilidade de cura por meio de uma ligação logit, enquanto o componente de latência descreve o tempo até o evento entre os indivíduos suscetíveis. Foram consideradas transformações previamente especificadas, incluindo as estruturas de riscos proporcionais e chances proporcionais, além de uma transformação monótona adaptativa estimada a partir dos dados por meio de um gerador construído sobre funções de base B-spline cúbicas. O risco acumulado baseline foi representado de forma não paramétrica por incrementos positivos definidos nos tempos de evento observados, com regularização baseada em penalizações de passeio aleatório de segunda ordem. A inferência a posteriori foi conduzida por meio de um algoritmo Metropolis-within-Gibbs, combinando propostas de passeio aleatório multivariadas, atualizações MALA precondicionadas e etapas de Gibbs. O desempenho do modelo adaptativo foi avaliado em um estudo de simulação de Monte Carlo com tamanhos amostrais de 30, 50, 100 e 500 e níveis de censura de 10% e 30%. Os resultados mostraram baixos valores de viés para os coeficientes de latência, redução do RMSE com o aumento do tamanho amostral e recuperação da função de transformação e do risco acumulado baseline, enquanto os componentes de incidência e transformação apresentaram maior incerteza em alguns cenários. A aplicação foi realizada em uma coorte retrospectiva de pacientes com câncer de mama do Netherlands Cancer Institute. O modelo adaptativo apresentou o menor DIC entre os modelos Bayesianos avaliados eWAIC próximo ao menor valor obtido pelo modelo de riscos proporcionais. Entre as pacientes suscetíveis, o grau tumoral III foi associado à ocorrência mais precoce de eventos. A análise de sensibilidade às prioris indicou estabilidade dos efeitos de regressão e das funções estimadas, enquanto a análise de correlação a posteriori evidenciou dependência entre alguns efeitos de incidência e latência. Os resultados mostram que a proposta permite estimar a transformação do risco a partir dos dados, mantendo a separação entre os mecanismos associados à cura e à sobrevivência dos indivíduos suscetíveis.