Modelos de regressão Tempo-promoção Poisson Generalizada: uma abordagem Bayesiana

• Ano de defesa: 2024
• Autor(a) principal: Moraes, Talita Evelin Nabarrete Tristão de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: STAN; Análise de sobrevivência; Bayesian statistics; Estatística Bayesiana; Exponentiated family; Família exponenciada; Generalized poisson; Poisson generalizada; Survival analysis
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-17032025-100904/

Na literatura, existem diversas distribuições de probabilidade amplamente utilizadas em confiabilidade e análise de sobrevivência. Entre essas, a mais popular é a distribuição Weibull, cuja função de taxa de falha pode apresentar três formas distintas: constante, crescente e decrescente. No entanto, quando a função de risco apresenta um comportamento unimodal ou em forma de banheira, a distribuição Weibull se torna inadequada. Para lidar com esses casos, Mudholkar e Srivastava (1993) propuseram a distribuição Weibull Exponenciada (WE), que permite uma função de risco mais versátil, incluindo formas unimodais e em banheira. Além disso, outros modelos amplamente explorados na literatura são os modelos de tempo-promoção, utilizados para analisar dados de sobrevivência em populações que apresentam uma fração de cura. Esses modelos são particularmente úteis para identificar os fatores que influenciam os tempos de sobrevivência. Dois bancos de dados reais foram analisados neste contexto, com o objetivo de aplicar e avaliar os modelos de sobrevivência em cenários distintos das Ciências da Saúde: O primeiro artigo analisa um conjunto de 1.996 registros de pacientes com HIV/AIDS, abrangendo o período de 2002 a 2006. Nesse estudo, foram ajustados modelos de tempo-promoção Weibull, Weibull Flexível e Birnbaum-Saunders. O segundo artigo aborda a análise de sobrevivência com tempo-promoção, aplicada a dados de pacientes com câncer de mama, obtidos no site do Instituto Nacional de Câncer (INCA), no período de 2004 a 2008, considerando uma família de distribuições exponenciadas. Os modelos Bayesianos foram aplicados para estimar os parâmetros utilizando o software RStan (Stan Development Team, 2020), uma ferramenta robusta para realizar inferências bayesianas em modelos estatísticos complexos. O RStan emprega métodos Monte Carlo via Cadeias de Markov (MCMC) para realizar as estimativas, garantindo análises precisas, flexíveis e altamente adaptáveis a diferentes contextos. A análise revelou que: Para os dados de HIV/AIDS, o modelo tempo-promoção Weibull apresentou o melhor ajuste, já para os dados de câncer de mama, o modelo tempo-promoção Weibull Flexível Exponenciada foi mais adequado. O principal objetivo deste estudo é investigar e aplicar novos modelos estatísticos a dados reais, utilizando o software R como ferramenta de análise. Além disso, busca-se desenvolver uma modelagem com dados simulados, com o propósito de avaliar a adequação, o desempenho e a eficácia dos modelos em diferentes contextos. Os resultados obtidos confirmam a aplicabilidade prática dos modelos propostos em cenários reais, destacando sua utilidade para análises de sobrevivência. Ademais, os experimentos com simulações demonstram a importância de explorar o comportamento dos modelos em condições controladas, permitindo identificar limitações e potencialidades em diversas situações.