Distribuição Log-Normal e Log-Normal com fração de cura para dados de sobrevivência

  • Damião Flávio dos Santos Universidade de Brasília
  • Pablo Lourenço Ribeiro de Almeida Universidade Federal de Lavras
  • Tiago Almeida de Oliveira Universidade Estadual da Paraíba
Palavras-chave: Análise de Sobrevivência, Estimador Kaplan-Meier, Log-Normal, Log-Normal com Fração de Cura, Mieloma Múltiplo.

Resumo

A análise de sobrevivência pode ser caracterizada por um conjunto de técnicas estatísticas que têm como objetivo principal a análise de tempos até a ocorrência de um determinado evento de interesse, onde as observações são acompanhadas ao longo de períodos de tempo. Tais técnicas são embasadas em modelos probabilísticos, como os modelos Log-Normal e de mistura com fração de cura. Entende-se como fração de cura, os indivíduos no estudo que são acompanhados por um período longo de tempo e observa-se que uma fração razoável deles não irá experimentar o evento de interesse, sendo denominados de curados ou imunes ao evento. Nesse estudo, foi utilizado técnicas de análise de sobrevivência aplicado a dados de pacientes portadores de Mieloma Múltiplo, no intuito de modelar o tempo de vida dos pacientes, através de técnicas não-paramétricas e paramétricas. Como critério de decisão, é utilizado análise descritiva, com o uso da diferença máxima entre o modelo ajustado e o modelo empírico estimado por Kaplan-Meier, além dos critérios de Akaike (AIC), Akaike corrigido (AICc), Informação Bayesiano (BIC) e Teste de Razão de Verossimilhança (TRV). Na análise descritiva observou-se que o modelo Log-Normal com fração de cura se ajusta melhor do que o modelo Log-Normal. No entanto, ao realizar os critérios de informação, assim como o TRV, permitiu selecionar o modelo mais parcimonioso, sendo esse o modelo Log-Normal, que se adequa melhor ao tempo de vida de pacientes portadores da doença Mieloma Múltiplo.

Biografia do Autor

Damião Flávio dos Santos, Universidade de Brasília
Mestre em Estatística pela UNB, registrado no CONRE 5, experiência em pesquisa de mercado e em Análise de Sobrevivência.
Pablo Lourenço Ribeiro de Almeida, Universidade Federal de Lavras
Mestre em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras. Possui experiência nas áreas de Pesquisas de Opinião, Análise de Sobrevivência e Estatística Espacial.
Tiago Almeida de Oliveira, Universidade Estadual da Paraíba
Doutor em Estatística e Experimentação Agronômica - Esalq/Usp. Atualmente é Professor Doutor nível C e Chefe Adjunto do Departamento de Estatística da Universidade Estadual da Paraíba - UEPB. Tem experiência na área de Probabilidade e Estatística, com ênfase em Planejamento de Experimentos, Análise de Sobrevivência e Modelos de Regressão.

Referências

ALLISSON, P. D. Survival Analysis Using SAS: A Pratical Guide, Second Edition. 2. ed. SAS Institute Inc., Cary, NC, USA, 2010.

BERKSON, J.; GAGE, R. P. Survival curve for cancer patients following treatment. Journal of the American Statistical Association, v. 47, n. 259, p. 501-515, 1952.

COLOSIMO, E. A.; GIOLO, S. R. Análise de Sobrevivência Aplicada. São Paulo: Edgard Blücher, 2006.

noindent SANTOS, D. F. {it Modelo de Regressão Log-Logístico discreto com fração de cura para dados de sobrevivência}. Dissertação (Mestrado) - Universidade de Brasília, 2017.

KAPLAN, E. L.; MEIER, P. Nonparametric estimation from incomplete observations}, Journal of the American Statistical Association, v.53, n.282, p.457-481, 1958.

NAKANO, E. Y.; CARRASCO, C. G. Uma avaliação do uso de um modelo contínuo na análise de dados discretos de sobrevivência. Trends in Applied and Computational Mathematics, v. 7, n. 1, p. 91-100, 2006.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2012. ISBN 3-900051-07-0, http://www.R-project.org/

Publicado
29-07-2019