• 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
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.45.2001.tde-20210729-124349
Document
Author
Full name
Gisela Tunes
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2001
Supervisor
Title in Portuguese
Modelagem de riscos proporcionais para dados de sobrevivência com estrutura hierarquica
Keywords in Portuguese
Análise De Sobrevivência
Processos Estocásticos
Abstract in Portuguese
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
Title in English
not available
Abstract in English
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
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
TunesGisela.pdf (8.90 Mbytes)
Publishing Date
2021-07-29
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.