En muchos estudios clínicos es muy frecuente el uso de modelo de riesgos proporcionales de Cox; el cual asume riesgos proporcionales y restringe a que el logaritmo de la razón de riesgo sea lineal en las covariables, lo cual en muchos casos no se verifica. En este sentido, una forma funcional no lineal del efecto de las covariables puede ser aproximada por una función spline. En este trabajo, se presenta la metodología del modelo de regresión de Cox usando splines, particularmente regresión splines y P-splines, para aproximar la forma funcional no-lineal de los efectos de las covariables en la función de riesgo. Como una aplicación, se analiza los datos de pacientes con LNH para determinar los factores pronósticos para la supervivencia global. Los resultados muestran que el efecto de las covariables contínuas como hemoglobina, leucocitos, linfocitos y DHL presentan una forma funcional no lineal en el logaritmo de la razón de riesgo. -- Palabras claves: Modelo de Cox, regresión splines, P-splines, LNH. / -- In many clinical studies, Cox proportional hazard model is very common to use, it assumes proportional hazard and restricts the log hazard ratio to be linear in the covariates; these asumptions can not be verified. In this way, a nonlinear functional form of the covariates effect can be approximated by a spline function. In this paper, we present the methodology and an application of Cox model using splines, particularly regression splines and P-splines, to approximate the nonlinear functional form of the effect of covariates on the hazard function. As an application, we analyse data from patients with NHL to determine prognostic factors for overall survival. These results show that the effect of continuous covariates as: hemoglobin, leukocytes, lymphocytes and LDH have a nonlinear form with the log hazard ratio. -- Keywords: Cox model, regression splines, P-spline, NHL. / Tesis

El análisis de supervivencia consiste en una colección de procedimientos estadísticos que permiten analizar y modelar, a los datos relacionados a la variable respuesta T, que a partir de un tiempo inicial pre-establecido; T representa el tiempo de seguimiento hasta la ocurrencia de un determinado suceso o evento de interés previamente fijado por el investigador, de modo que este evento de interés puede ser: muerte, fallo de un injerto renal, efectividad de un tratamiento, aparición de una complicación clínica, etc. Dichos procedimientos son hoy en día, una metodología fundamental en gran parte de los ensayos clínicos y de los estudios epidemiológicos que son experimentos de tipo longitudinal y prospectivo. El análisis de supervivencia se aplica a los datos biomédicos obtenidos según un protocolo que consiste en definir de manera precisa el momento inicial de la observación y el momento final, ya que la variable aleatoria T representa el tiempo transcurrido entre el inicio del tratamiento u observación y la consecución de un cierto evento de interés llamado falla o muerte. Sin embargo, puede haber individuos que no presentan el evento respectivo pre-establecido mientras dure el periodo de seguimiento, a los cuales, se les denomina individuos censurados o datos censurados; por eso, el objetivo principal del análisis de supervivencia es incorporar a su análisis ésta información parcial proporcionada por los individuos censurados mediante métodos desarrollados para ese fin.

No description available.

Realiza una aplicación del modelo de riesgos proporcionales de Cox para identificar algunas variables explicativas del riesgo de incumplimiento de los nuevos deudores de créditos corporativos y a grandes empresas. Las características del deudor (sector económico, endeudamiento, rentabilidad, tamaño de la empresa), del crédito (saldo inicial, porcentaje en moneda extranjera, porcentaje de garantías), la agrupación de la entidad y el índice de confianza empresarial fueron identificados como factores asociados con el incumplimiento en el pago de los créditos de las empresas corporativas y grandes. / Tesis