出版社：Grupo de Pesquisa Metodologias em Ensino e Aprendizagem em Ciências
摘要：Atualmente a análise de sobrevivência é uma das áreas que mais crescem no campo da análise estatística, com uma sólida teoria para ajustar modelos de regressão para estudar certos fenômenos, os quais têm, em sua estrutura, a característica de ter observações incompletas na amostra denominada censura. Embora esses modelos possam representar eficientemente o fenômeno em estudo em muitas situações, alguns deles não levam em consideração a existência de uma variável não observável presente na maioria dos estudos, denominada fragilidade. Essa fragilidade denota a suscetibilidade do evento a ocorrer por um indivíduo ou objeto determinado sob investigação. O objetivo deste trabalho foi mostrar que, em situações em que a fragilidade está presente, o uso de modelos que capturam a variabilidade dessa variável é mais viável para a análise desses dados quando comparado aos modelos convencionais em estudos de sobrevivência. Para tanto, foi realizada uma análise comparativa entre esses modelos, ajustada para um conjunto de dados de pacientes diagnosticados com retinopatia diabética, e também foi realizado um estudo de simulação para o modelo de fragilidade gama com diferentes porcentagens de censura e heterogeneidade. Após o ajuste dos modelos, observa-se que os modelos de fragilidade tiveram melhor desempenho quando comparados ao modelo de Cox, com ênfase no modelo de fragilidade gama, que gerou o menor valor para AIC e BIC. O estudo de simulação mostrou que altas taxas de censura prejudicam o grau de previsibilidade do modelo de fragilidade e que altas taxas de heterogeneidade contribuem para estimativas de parâmetros.
其他摘要：Survival analysis is currently one of the fastest-growing areas in the field of statistical analysis, with a solid theory for adjusting regression models to study certain phenomena, which have, in their structure, the characteristic of having incomplete observations in the sample called censorship. Although such models can efficiently represent the phenomenon under study in many situations, some of them do not take into account the existence of an unobservable variable present in most studies, called frailty. This fragility denotes the susceptibility of the event to occur by a determined individual or object under investigation. The objective of this work was to show that in situations where frailty is present, the use of models that capture the variability of this variable is more viable for the analysis of these data when compared to conventional models in survival studies. For this purpose, a comparative analysis was performed between these models, adjusted for a set of data from patients diagnosed with Diabetic Retinopathy, and a simulation study was also carried out for the gamma fragility model with different percentages of censorship and heterogeneity. After adjusting the models, it can be seen that the fragility models performed better when compared to the Cox model, with an emphasis on the gamma fragility model, which generated the lowest value for AIC and BIC. The simulation study showed that high censorship rates impair the degree of predictability of the fragility model and that high heterogeneity rates contribute to parameter estimates.
