• 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
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.45.2001.tde-20210729-124349
Documento
Autor
Nombre completo
Gisela Tunes
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2001
Director
Título en portugués
Modelagem de riscos proporcionais para dados de sobrevivência com estrutura hierarquica
Palabras clave en portugués
Análise De Sobrevivência
Processos Estocásticos
Resumen en portugués
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 en inglés
not available
Resumen en inglés
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
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
TunesGisela.pdf (8.90 Mbytes)
Fecha de Publicación
2021-07-29
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2021. Todos los derechos reservados.