• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.45.2001.tde-20210729-124349
Documento
Autor
Nome completo
Gisela Tunes
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2001
Orientador
Título em português
Modelagem de riscos proporcionais para dados de sobrevivência com estrutura hierarquica
Palavras-chave em português
Análise De Sobrevivência
Processos Estocásticos
Resumo em português
As técnicas mais difundidas em análise de sobrevivência supõem independência entre as observações. No entanto, em muitos problemas práticos esta suposição não é adequada, pela própria natureza dos dados. Uma maneira de abordar o problema é a utilização de modelos multiníveis, que são desenvolvidos para dados com estrutura hierárquica. Nestes modelos, a inclusão de coeficientes aleatórios faz com que o modelo possa incorporar dependências entre observações. Neste trabalho, foram estudados modelos de sobrevivência multiníveis em que os coeficientes apresentam distribuição normal, considerando-se uma abordagem paramétrica (modelos exponencial e Weibull) e uma abordagem baseada no modelo de regressão do Cox. A estimação estudada baseia-se na metodologia desenvolvida para modelos lineares generalizados. São apresentados dois métodos de estimação, que foram utilizados para analisar três conjuntos de dados. Além disso, é utilizado o método bootstrap para verificação de hipóteses de interesse sobre os parâmetros
Título em inglês
not available
Resumo em inglês
In survival analysis, the methodology usually considered assume independence among the observations. Nevertheless, it is not uncommon that such assumption is not adequate. In order to incorporate the dependence in the model, one may use multilevel models. These models were developed to analyze data with hierachical structure. The main difference between multilevel models and the usual approach is the use of random coefficients in the former. In this work, we consider multilevel models in survival analysis in which the random coefficients are normally distributed. We focus on parametric models, especifically the exponential and the Weibull distributions. We also consider the semiparametric approach based on the Cox proportional hazards model. The estimation of parameters is based on mixed generalized linear models. We present two different estimation methods, which are used to analyze three data sets. In addition, the bootstrap is used in order to get some insight on hypothesis testing
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
TunesGisela.pdf (8.90 Mbytes)
Data de Publicação
2021-07-29
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.