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

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