Made available in DSpace on 2015-03-03T15:32:44Z (GMT). No. of bitstreams: 1 AllysonFL_DISSERT.pdf: 1123137 bytes, checksum: 3d84751366d1e1beb2f044b6d4758c9b (MD5) Previous issue date: 2014-06-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / A an?lise de sobreviv?ncia param?trica estuda o tempo at? a ocorr?ncia de um evento com base no ajuste de modelos probabil?sticos fazendo uso frequente de modelos flex?veis para a escolha de um modelo mais simples e f?cil de interpretar. Nesse sentido, a distribui??o F generalizada tem a vantagem de incluir v?rias distribui??es importantes como casos especiais, com Weibull, Log-normal, log-logstica entre outras. Modelos de sobreviv?ncia que tratam de estudos em que um percentual dos indivduos n?o apresentam a ocorr?ncia do evento de interesse, mesmo acompanhados por um longo per?odo de tempo, s?o chamados de modelos de longa dura??o ou modelos de fra??o de cura e vem sendo estudados nos ?ltimos anos por diversos autores. Neste contexto, este trabalho tem como objetivo o estudo de caracter?sticas te?ricas e computacionais associadas ao ajuste do modelo F generalizado com fra??o de cura

Made available in DSpace on 2015-03-03T15:28:32Z (GMT). No. of bitstreams: 1 AlyssonLVG_DISSERT.pdf: 742336 bytes, checksum: 91f0c0ab60d1d0bf85017fb8994c46fe (MD5) Previous issue date: 2011-10-19 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this work we study the accelerated failure-time generalized Gamma regression models with a unified approach. The models attempt to estimate simultaneously the effects of covariates on the acceleration/deceleration of the timing of a given event and the surviving fraction. The method is implemented in the free statistical software R. Finally the model is applied to a real dataset referring to the time until the return of the disease in patients diagnosed with breast cancer / Neste trabalho apresentamos um estudo sobre o modelo de tempo de falha acelerado gama generalizado com fra??o de cura sob uma abordagem unificada. O modelo se prop?e a estimar simultaneamente o efeito de covari?veis na acelera??o/desacelera??o do tempo at? a ocorr?ncia de um evento e na fra??o de cura. O m?todo e implementado no software estat?stico livre R. Por fim o modelo e aplicado a dados reais referente ao tempo at? o retorno da doen?a em pacientes diagnosticados com c?ncer de mama

Made available in DSpace on 2015-03-03T15:28:33Z (GMT). No. of bitstreams: 1 HericaPAC_DISSERT.pdf: 752483 bytes, checksum: c4526cc225ac72a39965ad5818e0e718 (MD5) Previous issue date: 2012-08-14 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Survival models deals with the modeling of time to event data. However in some situations part of the population may be no longer subject to the event. Models that take this fact into account are called cure rate models. There are few studies about hypothesis tests in cure rate models. Recently a new test statistic, the gradient statistic, has been proposed. It shares the same asymptotic properties with the classic large sample tests, the likelihood ratio, score and Wald tests. Some simulation studies have been carried out to explore the behavior of the gradient statistic in fi nite samples and compare it with the classic statistics in diff erent models. The main objective of this work is to study and compare the performance of gradient test and likelihood ratio test in cure rate models. We first describe the models and present the main asymptotic properties of the tests. We perform a simulation study based on the promotion time model with Weibull distribution to assess the performance of the tests in finite samples. An application is presented to illustrate the studied concepts / Modelos de sobreviv?ncia tratam do estudo do tempo at? a ocorr?ncia de um evento. Contudo em algumas situa??es, uma propor??o da popula??o pode n?o estar mais sujeita a ocorr?ncia deste evento. Modelos que tratam desta abordagem s?o chamados de modelos de fra??o de cura. Existem poucos estudos na literatura sobre testes de hip?teses aplicados a modelos de fra??o de cura. Recentemente foi proposta uma nova estat?stica de teste, denominada estat?stica gradiente que possui distribui??o assint?tica equivalente a das estat?sticas usuais. Alguns estudos de simula??o v?m sendo desenvolvidos no sentido de explorar caracter?sticas dessa nova estat?stica e comparar com as estat?sticas cl?ssicas, aplicadas a diferentes modelos. Este trabalho tem como principal objetivo estudar e comparar o desempenho do teste gradiente e do teste da raz?o de verossimilhan?as, em modelos de fra??o de cura. Para isso descrevemos caracter?sticas do modelo e apresentamos os principais resultados assint?ticos dos testes. Consideramos um estudo de simula??o com base no modelo de tempo de promo??o com distribui??o Weibull, para avaliar o desempenho dos testes em amostras finitas. Uma aplica??o e realizada para ilustrar os conceitos estudados

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-25T23:16:56Z No. of bitstreams: 1 LaisHelenLoose_DISSERT.pdf: 712961 bytes, checksum: 81e1f59eee5a277cc753d5a69895998a (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-08-04T21:23:34Z (GMT) No. of bitstreams: 1 LaisHelenLoose_DISSERT.pdf: 712961 bytes, checksum: 81e1f59eee5a277cc753d5a69895998a (MD5) / Made available in DSpace on 2016-08-04T21:23:34Z (GMT). No. of bitstreams: 1 LaisHelenLoose_DISSERT.pdf: 712961 bytes, checksum: 81e1f59eee5a277cc753d5a69895998a (MD5) Previous issue date: 2016-02-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / Os modelos de sobreviv?ncia tratam do estudo do tempo at? a ocorr?ncia de um evento de interesse. Em algumas situa??es, uma propor??o da popula??o pode n?o estar mais sujeita ? ocorr?ncia do evento. Nesse contexto surgiram os modelos com fra??o de cura. Dentre os modelos que incorporam uma fra??o de curados um dos mais conhecidos ? o modelo tempo de promo??o. No presente trabalho abordamos infer?ncias em termos de testes de hip?teses no modelo tempo de promo??o assumindo a distribui??o Weibull para os tempos de falha dos indiv?duos suscet?veis. Os testes de hip?teses nesse modelo podem ser realizados com base nas estat?sticas da raz?o de verossimilhan?as, gradiente, escore ou Wald. Os valores cr?ticos s?o obtidos atrav?s de aproxima??es assint?ticas, que podem conduzir a distor??es no tamanho do teste em amostras de tamanho finito. Nesse sentido, o presente trabalho prop?e corre??es via bootstrap para os testes mencionados e Bartlett bootstrap para a estat?stica da raz?o de verossimilhan?as no modelo tempo de promo??o Weibull. Por meio de simula??es de Monte Carlo comparamos o desempenho em amostras finitas das corre??es propostas com os testes usuais. Os resultados num?ricos obtidos evidenciam o bom desempenho das corre??es propostas. Ao final do trabalho ? apresentadaumaaplica??o a dados reais. / Survival models deals with the modelling of time to event data. In certain situations, a share of the population can no longer be subjected to the event occurrence. In this context, the cure fraction models emerged. Among the models that incorporate a fraction of cured one of the most known is the promotion time model. In the present study we discuss hypothesis testing in the promotion time model with Weibull distribution for the failure times of susceptible individuals. Hypothesis testing in this model may be performed based on likelihood ratio, gradient, score or Wald statistics. The critical values are obtained from asymptotic approximations, which may result in size distortions in nite sample sizes. This study proposes bootstrap corrections to the aforementioned tests and Bartlett bootstrap to the likelihood ratio statistic in Weibull promotion time model. Using Monte Carlo simulations we compared the nite sample performances of the proposed corrections in contrast with the usual tests. The numerical evidence favors the proposed corrected tests. At the end of the work an empirical application is presented.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-25T23:16:57Z No. of bitstreams: 1 RumenickPereiraDaSilva_DISSERT.pdf: 40328627 bytes, checksum: b5789f90e3e1373ccbfeacedf5301e7c (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-08-04T22:01:11Z (GMT) No. of bitstreams: 1 RumenickPereiraDaSilva_DISSERT.pdf: 40328627 bytes, checksum: b5789f90e3e1373ccbfeacedf5301e7c (MD5) / Made available in DSpace on 2016-08-04T22:01:11Z (GMT). No. of bitstreams: 1 RumenickPereiraDaSilva_DISSERT.pdf: 40328627 bytes, checksum: b5789f90e3e1373ccbfeacedf5301e7c (MD5) Previous issue date: 2015-10-23 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / Em an?lise de sobreviv?ncia a vari?vel em estudo ? o tempo at? a ocorr?ncia de um determinado evento de interesse. Este tempo ? denominado de tempo de vida ou tempo at? a falha. A teoria usual assume que, se observado por um longo per?odo de tempo todos os indiv?duos ir?o experimentar o evento em algum momento. Mas, em algumas situa??es uma propor??o da popula??o pode n?o estar mais sujeita ? ocorr?ncia deste evento, por mais longo que seja o tempo de observa??o. Neste sentido, alguns modelos foram propostos e s?o conhecidos na literatura como modelos com fra??o de cura ou de longa dura??o. Ao considerar o aumento do interesse no ajuste desses modelos, percebe-se a import?ncia da exist?ncia de rotinas amig?veis e capazes de obter de forma precisa as estimativas de m?xima verossimilhan?a. Neste contexto, o objetivo principal deste trabalho foi a implementa??o de um pacote em linguagem R com um conjunto de rotinas amig?veis (de forma did?tica e de f?cil utiliza??o) para analisar dados de sobreviv?ncia com fra??o de cura, a partir do uso de alguns modelos param?tricos flex?veis. Neste programa, denominado de flexcure, foram considerados os modelos de tempo de falha acelerado log-gama generalizado, log-F generalizado e Weibull na forma estendida de Marshall-Olkin, para modelar os tempos dos indiv?duos suscept?veis e, para a fra??o de curados foram considerados os modelos usuais de mistura padr?o e de tempo de promo??o. O desempenho destas implementa??es foi avaliado atrav?s de um extensivo estudo de simula??o, considerando diferentes cen?rios. Al?m disso, o uso deste pacote foi ilustrado em algumas aplica??es.

Made available in DSpace on 2014-12-17T15:26:36Z (GMT). No. of bitstreams: 1 RafaelRL.pdf: 358856 bytes, checksum: bdbb6f9276930942314a39decee73909 (MD5) Previous issue date: 2008-08-11 / In this work, we study the survival cure rate model proposed by Yakovlev et al. (1993), based on a competing risks structure concurring to cause the event of interest, and the approach proposed by Chen et al. (1999), where covariates are introduced to model the risk amount. We focus the measurement error covariates topics, considering the use of corrected score method in order to obtain consistent estimators. A simulation study is done to evaluate the behavior of the estimators obtained by this method for finite samples. The simulation aims to identify not only the impact on the regression coefficients of the covariates measured with error (Mizoi et al. 2007) but also on the coefficients of covariates measured without error. We also verify the adequacy of the piecewise exponential distribution to the cure rate model with measurement error. At the end, model applications involving real data are made / Neste trabalho estudamos o modelo de sobreviv?ncia com fra??o de cura proposto por Yakovlev et al. (1993), fundamentado em uma estrutura de riscos competitivos concorrendo para causar o evento de interese, e a abordagem proposta por Chen et al. (1999), na qual covari?veis s?o introduzidas para modelar o n?mero de riscos. Estudamos o caso em que covari?veis s?o medidas com erro, e para a obten??o de estimadores consistentes consideramos a utiliza??o do m?todo do escore corrigido. Um estudo de simula??o ? realizado para avaliar o comportamento dos estimadores obtidos por este m?todo em amostras finitas. A simula??o visa identificar n?o apenas o impacto sobre os coeficientes de regress?o das covari?veis medidas com erro (Mizoi et al. 2007), mas tamb?m sobre os coeficientes de covari?veis medidas sem erro. Verificamos tamb?m a adequa??o da distribui??o exponencial por partes ao modelo com fra??o de cura e erro de medida. Ao final, s?o feitas aplica??es do modelo envolvendo conjuntos de dados reais

Made available in DSpace on 2014-12-17T15:26:37Z (GMT). No. of bitstreams: 1 RenataSF.pdf: 443214 bytes, checksum: 93598adf420b7d48eb5b8b2c6e619c38 (MD5) Previous issue date: 2009-03-06 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this work we study the survival cure rate model proposed by Yakovlev (1993) that are considered in a competing risk setting. Covariates are introduced for modeling the cure rate and we allow some covariates to have missing values. We consider only the cases by which the missing covariates are categorical and implement the EM algorithm via the method of weights for maximum likelihood estimation. We present a Monte Carlo simulation experiment to compare the properties of the estimators based on this method with those estimators under the complete case scenario. We also evaluate, in this experiment, the impact in the parameter estimates when we increase the proportion of immune and censored individuals among the not immune one. We demonstrate the proposed methodology with a real data set involving the time until the graduation for the undergraduate course of Statistics of the Universidade Federal do Rio Grande do Norte / Neste trabalho estudamos o modelo de sobreviv^encia com fra??o de cura proposto por Yakovlev et al. (1993) que possui uma estrutura de riscos competitivos. Covari?veis s?o introduzidas para modelar o n?mero m?dio de riscos e permitimos que algumas destas covari?veis apresentem omiss?o. Consideramos apenas os casos em que as covari?veis omissas s?o categ?ricas e as estimativas dos par?metros s?o obtidas atrav?s do algoritmo EM ponderado. Apresentamos uma s?rie de simula??es para confrontar as estimativas obtidas atrav?s deste m?todo com as obtidas quando se exclui do banco de dados as observa??es que apresentam omiss?o, conhecida como an?lise de casos completos. Avaliamos tamb?m atrav?s de simula??es, o impacto na estimativa dos par?metros quando aumenta-se o percentual de curados e de censura entre indiv?duos n?o curados. Um conjunto de dados reais referentes ao tempo at? a conclus?o do curso de estat?stica na Universidade Federal do Rio Grande do Norte ? utilizado para ilustrar o m?todo.