Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 2717.pdf: 1036198 bytes, checksum: 1ebaa6889e2e06b8855d55db6f41cfc0 (MD5) Previous issue date: 2009-11-27 / Financiadora de Estudos e Projetos / In this work we present a bayesian approach for the survival model with cure rate in the presence of covariates. In this perspective, the modelling is a direct extension of the long-term model of (Chen et al., 1999). This model is considered flexible in the sense that the effects of the covariates are measured locally using the bayesian partition model developed by Holmes et al. (1999). The bayesian partition model is a generic approach to problems of classification and regression where the space of covariates is divided in disjoint regions defined by a structure of tessellation. The extension to modelling local maintains the structure of the proportional hazards model that it is intrinsic of the long-term model(promotion time) (Rodrigues et al., 2009a). Application of this theory appears in several areas, for example in finance, biology, engineering, economics and medicine. We present a simulation study and apply the methodology to a set of data on the clinical studies. / Neste trabalho apresentamos uma abordagem bayesiana para modelos de sobrevivência com fração de cura na presença de covariáveis. Nesta perspectiva, a modelagem é uma extensão direta do modelo de longa duração (Chen et al., 1999). Este modelo é considerado flexível no sentido de que os efeitos das covariáveis são medidos localmente, utilizando o modelo de partição bayesiana desenvolvido por Holmes et al. (1999). O modelo de partição bayesiana é uma abordagem genérica para problemas de classificação e regressão, em que o espaço das covariáveis é dividido em regiões disjuntas definidas por uma estrutura de tesselação. A extensão para modelagem local mantém a estrutura de riscos proporcionais, que é intrínseca ao modelo de longa duração (tempo de promoção) (Rodrigues et al., 2009a). Aplicações desta teoria aparecem em várias áreas, como por exemplo, em Finanças, Biologia, Engenharia, Economia e Medicina. Neste trabalho, apresentamos um estudo de simulação e aplicamos a metodologia a um conjunto de dados na área de estudos clínicos.

Made available in DSpace on 2016-06-02T20:04:52Z (GMT). No. of bitstreams: 1 6055.pdf: 2487813 bytes, checksum: 7934f8e54bb01e0ea4cc31fa422b3370 (MD5) Previous issue date: 2014-05-30 / Financiadora de Estudos e Projetos / In general, models for survival data with a cure fraction relate the cure fraction with the covariates using different link functions, for example, the logit link function and do not consider the problem of selection of covariates that have an effect on the cure fraction. So, in this work we propose a model that considers a partition of the predictor space in which the cure fraction depends locally of covariates. In this context, it adopts a orthogonal hyperplane tessellation to the axes to obtain a partition of the predictor space with the advantage that the proposed model selects the covariates that have an effect on the cure fraction. The developed modeling extends the Bayesian partition model proposed by Hoggart & Griffin (2001) to include information for qualitative variables with more than two categories and therefore a new computational strategy is considered. This extension allows to capture the effects of covariates on a local structure in which it is considered that the number of competing causes follows a power series distribution. This distribution is flexible because it includes special cases such as the binomial, Poisson, negative binomial and logarithmic distributions. To demonstrate the potential of the methodology, we used two set of data relating with cancer studies. / Em geral, os modelos para dados de sobrevivência com fracão de cura relacionam a fração de cura com as covariáveis por meio de diferentes funções de ligação, por exemplo, a função de ligação logito e não consideram o problema de seleção de covariáveis que tem um efeito na fração de cura. Assim neste trabalho é proposto uma modelagem que considera uma partição do espaço preditor em que a fração de cura depende localmente das covariáveis. Neste contexto, adota-se uma tesselação por hiperplanos ortogonais aos eixos a fim de obter uma partição do espaço preditor com a vantagem que os modelos propostos selecionam as covariáveis que têm efeito na fração de cura. A modelagem desenvolvida estende o modelo de partição bayesiana proposto por Hoggart & Griffin (2001) por incluir informações de variáveis qualitativas com mais de duas categorias e dessa forma uma nova estratégia computacional é considerada. Essa extensão permite capturar os efeitos das covariáveis numa estrutura local na qual considera-se que o número de causas competitivas segue distribuição série de potências. Esta distribuição é flexível pois inclui casos particulares, tais como a distribuição binomial, Poisson, binomial negativa e logarítmica. Para demonstrar o potencial da metodologia descrita, utilizou-se dois conjunto de dados relacionados com estudos de câncer.