dc.contributor.author | Gusman, Nícolas Córdoba | |
dc.date.accessioned | 2024-07-25T12:51:26Z | |
dc.date.available | 2024-07-25T12:51:26Z | |
dc.date.issued | 2023-08-23 | |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/20239 | |
dc.description.abstract | Statistical analyzes that involve recording times and the occurrence of one or more events of interest are known as survival or reliability analysis. When analyzing data sets of this nature, one of the objectives is to estimate the survival or reliability function of the sampling units (people, systems, components, etc.).
Examples of times and events that generate such times are: times until washing machines stop working, times until death/recovery of patients presenting with a certain disease, time until children learn to write, etc. Among some situations that can occur in this type of study, we highlight two: (a) not all sampling units suffer the event of interest (censorship) and, (b) the event can occur for several reasons (competitive risks). In both cases, this information can be incorporated into statistical analysis.
From records of complete times, censoring, types of cause and covariates, it is possible to adjust a model to the data, and also statistics or functions of interest.
In this work the objective is to estimate the survival function of times in which a certain event occurs, considering competitive risks, under non-parametric approaches, by the Kaplan-Meier estimate and its modifications and, parametric, by the Cox model and the model proposed by Fine and Gray. Furthermore, show in which situations they are best used, as well as their advantages and disadvantages. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/br/ | * |
dc.subject | Análise de sobrevivência | por |
dc.subject | Estimador de Kaplan-Meier | por |
dc.subject | Modelos de Cox | por |
dc.subject | Modelos de Fine e Gray | por |
dc.subject | Riscos competitivos | por |
dc.subject | Survival analysis | eng |
dc.subject | Kaplan-Meier estimator | eng |
dc.subject | Cox model | eng |
dc.subject | Fine and Gray model | eng |
dc.subject | Competitive risks | eng |
dc.title | Um estudo de modelos de riscos competitivos em análise de sobrevivência | por |
dc.title.alternative | A study of competing risks models in survival analysis | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Martins Dias, Teresa Cristina | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0187724276640668 | por |
dc.description.resumo | Análises estatísticas que envolvem registros de tempos até a ocorrência de um ou mais eventos de interesse são conhecidas como análise de sobrevivência ou de confiabilidade. Ao analisar conjuntos de dados dessa natureza, um dos objetivos está em estimar a função de sobrevivência ou confiabilidade das unidades amostrais (pessoas, sistemas, componentes, etc.).
Exemplos de tempos e de eventos que geram tais tempos são: tempos até que máquinas de lavar roupas parem de funcionar, tempos até a morte/recuperação de pacientes diagnosticados com certa doença, tempos até que crianças aprendam a escrever, etc. Entre algumas situações que podem ocorrer nesse tipo de estudo destacamos duas: (a) nem todas as unidades amostrais sofrem o evento de interesse (censura) e, (b) o evento pode ocorrer por diversas causas (riscos competitivos). Nos dois casos, essas informações podem ser incorparadas à análise estatística.
A partir dos registros de tempos completos, censuras, tipos de causa e covariáveis, obtidos em um estudo, é possível ajustar um modelo estatístico aos dados e, obter estatísticas e funções de interesse.
Neste trabalho o objetivo está em estimar a função de sobrevivência de tempos até que determinado evento ocorra, considerando riscos competitivos, sob os enfoques não-paramétrico, via estimador de Kaplan-Meier e suas modificações e, paramétrico, via modelo de Cox e o modelo proposto por Fine e Gray. Além disso, mostrar em quais situações são melhores utilizados, bem como suas vantagens e desvantagens. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/7615183048544547 | por |
dc.publisher.course | Estatística - Es | por |