Métodos de imputação de dados aplicados na área da saúde
Ano de defesa: | 2007 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Link de acesso: | http://hdl.handle.net/10183/11422 |
Resumo: | Em pesquisas da área da saúde é muito comum que o pesquisador defronte-se com o problema de dados faltantes. Nessa situação, é freqüente que a decisão do pesquisador seja desconsiderar os sujeitos que tenham não-resposta em alguma ou algumas das variáveis, pois muitas das técnicas estatísticas foram desenvolvidas para analisar dados completos. Entretanto, essa exclusão de sujeitos pode gerar inferências que não são válidas, principalmente se os indivíduos que permanecem na análise são diferentes daqueles que foram excluídos. Nas duas últimas décadas, métodos de imputação de dados foram desenvolvidos com a intenção de se encontrar solução para esse problema. Esses métodos usam como base a idéia de preencher os dados faltantes com valores plausíveis. O método mais complexo de imputação é a chamada imputação múltipla. Essa tese tem por objetivo divulgar o método de imputação múltipla e através de dois artigos procura atingir esse objetivo. O primeiro artigo descreve duas técnicas de imputação múltipla e as aplica a um conjunto de dados reais. O segundo artigo faz a comparação do método de imputação múltipla com duas técnicas de imputação única através de uma aplicação a um modelo de risco para mortalidade cirúrgica. Para as aplicações foram usados dados secundários já utilizados por Klück (2004). |
id |
URGS_0f247b3d6572028ab35b19f652dcf3ea |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/11422 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
|
spelling |
Nunes, Luciana NevesFachel, Jandyra Maria Guimarães2007-12-29T05:11:12Z2007http://hdl.handle.net/10183/11422000615212Em pesquisas da área da saúde é muito comum que o pesquisador defronte-se com o problema de dados faltantes. Nessa situação, é freqüente que a decisão do pesquisador seja desconsiderar os sujeitos que tenham não-resposta em alguma ou algumas das variáveis, pois muitas das técnicas estatísticas foram desenvolvidas para analisar dados completos. Entretanto, essa exclusão de sujeitos pode gerar inferências que não são válidas, principalmente se os indivíduos que permanecem na análise são diferentes daqueles que foram excluídos. Nas duas últimas décadas, métodos de imputação de dados foram desenvolvidos com a intenção de se encontrar solução para esse problema. Esses métodos usam como base a idéia de preencher os dados faltantes com valores plausíveis. O método mais complexo de imputação é a chamada imputação múltipla. Essa tese tem por objetivo divulgar o método de imputação múltipla e através de dois artigos procura atingir esse objetivo. O primeiro artigo descreve duas técnicas de imputação múltipla e as aplica a um conjunto de dados reais. O segundo artigo faz a comparação do método de imputação múltipla com duas técnicas de imputação única através de uma aplicação a um modelo de risco para mortalidade cirúrgica. Para as aplicações foram usados dados secundários já utilizados por Klück (2004).Missing data in health research is a very common problem. The most direct way of dealing with missing data is to exclude observations with missing data, probably because the traditional statistical methods have been developed for complete data sets. However, this decision may give biased results, mainly if the subjects considered in the analysis are different of those who have been excluded. In the last two decades, imputation methods were developed to solve this problem. The idea of the imputation is to fill in the missing data with reasonable values. The multiple imputation is the most complex method. The objective of this dissertation is to divulge the multiple imputation method through two papers. The first one describes two different types of multiple imputation and it shows an application to real data. The second paper shows a comparison among the multiple imputation and two single imputations applied to a risk model for surgical mortality. The used data sets were secondary data used by Klück (2004).application/pdfporInterpretacao estatística de dadosEpidemiologiaEstatísticas de saúdeBioestatísticaImputação múltiplaImputation methodsMultiple imputationMissing dataNonresponseMétodos de imputação de dados aplicados na área da saúdeinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulFaculdade de MedicinaPrograma de Pós-Graduação em EpidemiologiaPorto Alegre, BR-RS2007doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000615212.pdf000615212.pdfTexto completoapplication/pdf666838http://www.lume.ufrgs.br/bitstream/10183/11422/1/000615212.pdf9d7cb7836b3d6d7856c523387c05530bMD51TEXT000615212.pdf.txt000615212.pdf.txtExtracted Texttext/plain189806http://www.lume.ufrgs.br/bitstream/10183/11422/2/000615212.pdf.txt9e95e0a5d738f3a316e50e1ff7c73a8dMD52THUMBNAIL000615212.pdf.jpg000615212.pdf.jpgGenerated Thumbnailimage/jpeg1167http://www.lume.ufrgs.br/bitstream/10183/11422/3/000615212.pdf.jpgb98cf932db6f10c26ccb648cf437f0ecMD5310183/114222023-10-25 03:39:18.407199oai:www.lume.ufrgs.br:10183/11422Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-10-25T06:39:18Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Métodos de imputação de dados aplicados na área da saúde |
title |
Métodos de imputação de dados aplicados na área da saúde |
spellingShingle |
Métodos de imputação de dados aplicados na área da saúde Nunes, Luciana Neves Interpretacao estatística de dados Epidemiologia Estatísticas de saúde Bioestatística Imputação múltipla Imputation methods Multiple imputation Missing data Nonresponse |
title_short |
Métodos de imputação de dados aplicados na área da saúde |
title_full |
Métodos de imputação de dados aplicados na área da saúde |
title_fullStr |
Métodos de imputação de dados aplicados na área da saúde |
title_full_unstemmed |
Métodos de imputação de dados aplicados na área da saúde |
title_sort |
Métodos de imputação de dados aplicados na área da saúde |
author |
Nunes, Luciana Neves |
author_facet |
Nunes, Luciana Neves |
author_role |
author |
dc.contributor.author.fl_str_mv |
Nunes, Luciana Neves |
dc.contributor.advisor1.fl_str_mv |
Fachel, Jandyra Maria Guimarães |
contributor_str_mv |
Fachel, Jandyra Maria Guimarães |
dc.subject.por.fl_str_mv |
Interpretacao estatística de dados Epidemiologia Estatísticas de saúde Bioestatística Imputação múltipla |
topic |
Interpretacao estatística de dados Epidemiologia Estatísticas de saúde Bioestatística Imputação múltipla Imputation methods Multiple imputation Missing data Nonresponse |
dc.subject.eng.fl_str_mv |
Imputation methods Multiple imputation Missing data Nonresponse |
description |
Em pesquisas da área da saúde é muito comum que o pesquisador defronte-se com o problema de dados faltantes. Nessa situação, é freqüente que a decisão do pesquisador seja desconsiderar os sujeitos que tenham não-resposta em alguma ou algumas das variáveis, pois muitas das técnicas estatísticas foram desenvolvidas para analisar dados completos. Entretanto, essa exclusão de sujeitos pode gerar inferências que não são válidas, principalmente se os indivíduos que permanecem na análise são diferentes daqueles que foram excluídos. Nas duas últimas décadas, métodos de imputação de dados foram desenvolvidos com a intenção de se encontrar solução para esse problema. Esses métodos usam como base a idéia de preencher os dados faltantes com valores plausíveis. O método mais complexo de imputação é a chamada imputação múltipla. Essa tese tem por objetivo divulgar o método de imputação múltipla e através de dois artigos procura atingir esse objetivo. O primeiro artigo descreve duas técnicas de imputação múltipla e as aplica a um conjunto de dados reais. O segundo artigo faz a comparação do método de imputação múltipla com duas técnicas de imputação única através de uma aplicação a um modelo de risco para mortalidade cirúrgica. Para as aplicações foram usados dados secundários já utilizados por Klück (2004). |
publishDate |
2007 |
dc.date.accessioned.fl_str_mv |
2007-12-29T05:11:12Z |
dc.date.issued.fl_str_mv |
2007 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/11422 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000615212 |
url |
http://hdl.handle.net/10183/11422 |
identifier_str_mv |
000615212 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/11422/1/000615212.pdf http://www.lume.ufrgs.br/bitstream/10183/11422/2/000615212.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/11422/3/000615212.pdf.jpg |
bitstream.checksum.fl_str_mv |
9d7cb7836b3d6d7856c523387c05530b 9e95e0a5d738f3a316e50e1ff7c73a8d b98cf932db6f10c26ccb648cf437f0ec |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1797064903921500160 |