Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Stella, Caroline Amantéa
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02012023-124537/
Resumo: Neste trabalho estudamos dois modelos de sobrevivência de longa-duração denominados modelo Logarítmico Inversa Gaussiana com fração de cura (LIGcr) e modelo Geometric Exponentiated Power Generalized Weibull com fração de cura (GEPGWcr). Ambos os modelos levam em consideração a existência de heterogeneidade não observada. Para isso, os dois modelo consideram a variável aleatória que representa a fragilidade sendo discreta e começando em zero. Para os dois modelos estudados, os parâmetros são estimados pelo método de Máxima Verossimilhança. Em um estudo de simulação, investigamos as médias das estimativas, os vieses, os erros quadráticos médios e as probabilidades de cobertura. Por fim, mostramos a aplicabilidade dos modelos a conjuntos de dados reais.
id USP_9a2130e72a87bef22d28c10a545a7d22
oai_identifier_str oai:teses.usp.br:tde-02012023-124537
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcrA study of LIGcr and GEPGWcr long-term survival modelsAnálise de sobrevivênciaCure fractionFração de curaGeometric exponentiated power generalized Weibull modelLogaritmic inverse Gaussian modelModelo geometric exponentiated power generalized WeibullModelo logarítmico inversa GaussianaSimulaçãoSimulationSurvival analysisNeste trabalho estudamos dois modelos de sobrevivência de longa-duração denominados modelo Logarítmico Inversa Gaussiana com fração de cura (LIGcr) e modelo Geometric Exponentiated Power Generalized Weibull com fração de cura (GEPGWcr). Ambos os modelos levam em consideração a existência de heterogeneidade não observada. Para isso, os dois modelo consideram a variável aleatória que representa a fragilidade sendo discreta e começando em zero. Para os dois modelos estudados, os parâmetros são estimados pelo método de Máxima Verossimilhança. Em um estudo de simulação, investigamos as médias das estimativas, os vieses, os erros quadráticos médios e as probabilidades de cobertura. Por fim, mostramos a aplicabilidade dos modelos a conjuntos de dados reais.In this work we study two long-term survival models denomined Logaritmic Inverse Gaussian cure rate (LIGcr) model and Geometric Exponentiated Power Generalized Weibull cure rate (GEPGWcr) model. Both models take into account the existence of unobserved heterogeneity. For this, both models consider a random variable that describes the frailty been discret and starting on zero. For both models studied, the parameters are estimated by the maximum likehood method. In a simulations study, we investigated the averages of the estimates, the biases, the mean squared errors and coverage probabilities. Finally, we show the applicability of the models to real data sets.Biblioteca Digitais de Teses e Dissertações da USPSuzuki, Adriano KamimuraStella, Caroline Amantéa2022-10-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/104/104131/tde-02012023-124537/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-01-02T14:51:37Zoai:teses.usp.br:tde-02012023-124537Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-01-02T14:51:37Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
A study of LIGcr and GEPGWcr long-term survival models
title Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
spellingShingle Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
Stella, Caroline Amantéa
Análise de sobrevivência
Cure fraction
Fração de cura
Geometric exponentiated power generalized Weibull model
Logaritmic inverse Gaussian model
Modelo geometric exponentiated power generalized Weibull
Modelo logarítmico inversa Gaussiana
Simulação
Simulation
Survival analysis
title_short Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
title_full Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
title_fullStr Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
title_full_unstemmed Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
title_sort Um estudo dos modelos de sobrevivência de longa duração LIGcr e GEPGWcr
author Stella, Caroline Amantéa
author_facet Stella, Caroline Amantéa
author_role author
dc.contributor.none.fl_str_mv Suzuki, Adriano Kamimura
dc.contributor.author.fl_str_mv Stella, Caroline Amantéa
dc.subject.por.fl_str_mv Análise de sobrevivência
Cure fraction
Fração de cura
Geometric exponentiated power generalized Weibull model
Logaritmic inverse Gaussian model
Modelo geometric exponentiated power generalized Weibull
Modelo logarítmico inversa Gaussiana
Simulação
Simulation
Survival analysis
topic Análise de sobrevivência
Cure fraction
Fração de cura
Geometric exponentiated power generalized Weibull model
Logaritmic inverse Gaussian model
Modelo geometric exponentiated power generalized Weibull
Modelo logarítmico inversa Gaussiana
Simulação
Simulation
Survival analysis
description Neste trabalho estudamos dois modelos de sobrevivência de longa-duração denominados modelo Logarítmico Inversa Gaussiana com fração de cura (LIGcr) e modelo Geometric Exponentiated Power Generalized Weibull com fração de cura (GEPGWcr). Ambos os modelos levam em consideração a existência de heterogeneidade não observada. Para isso, os dois modelo consideram a variável aleatória que representa a fragilidade sendo discreta e começando em zero. Para os dois modelos estudados, os parâmetros são estimados pelo método de Máxima Verossimilhança. Em um estudo de simulação, investigamos as médias das estimativas, os vieses, os erros quadráticos médios e as probabilidades de cobertura. Por fim, mostramos a aplicabilidade dos modelos a conjuntos de dados reais.
publishDate 2022
dc.date.none.fl_str_mv 2022-10-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02012023-124537/
url https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02012023-124537/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1865490745161416704