Introdução: Um dos principais fatores associados à mortalidade e morbidade no período perinatal é o nascimento pré-termo. Sua prevalência está aumentando em diversas localidades e os motivos para tal envolve complexa inter-relação de fatores que incluem aspectos biológicos, de assistência, psicológicos, sociais e econômicos, entre diversos outros associados ao nascimento pré-termo. Objetivo: O presente estudo objetiva analisar os efeitos de variáveis associadas ao nascimento pré-termo, via modelagem de equações estruturais (MEE), com a construção de variáveis latentes de vulnerabilidade socioeconômica, familiar, psicossocial, condições maternas e intercorrências. Outros objetivos são analisar as diversas fontes de obtenção da idade gestacional (IG) visando gerar uma variável latente para a idade gestacional e comparar modelos com diferentes tipos de variável de desfecho (contínuo, ordinal, binário e latente). Métodos: Esse estudo foi baseado na pesquisa do tipo caso-controle populacional sobre nascidos vivos hospitalares de mães residentes na cidade de Londrina, estado do Paraná, realizado entre junho de 2006 e março de 2007. A partir de um modelo conceitual, foi empregada a MEE para construir modelos com variáveis latentes e compostas com utilização de medidas de ajustes. Resultados: O Modelo final apontou os seguintes efeitos diretos sobre IG: intercorrências, atenção de pré-natal inadequada, gestação múltipla, condição reprodutiva, IMC, consumo de bebida alcoólica, prática de caminhadas e esforço físico. Além do efeito direto da atenção pré-natal, foi encontrado seu papel de variável de mediação entre as variáveis latentes: Vulnerabilidade Socioeconômica, Não Aceitação da Gravidez e Vulnerabilidade Familiar e o desfecho IG. Conclusões: Para a utilização de MEE, foi necessário rediscutir o papel das variáveis propostas no estudo original, o que sugere que, para a aplicação da metodologia, já seja considerada a formulação de variáveis latentes à priori na fase de planejamento de uma pesquisa. A aplicação do MEE permitiu construir variáveis latentes e variáveis compostas a partir do estudo original e identificar efeitos diretos, indiretos e de mediação sobre IG. Ademais, foi possível construir e utilizar a variável latente IG a partir das fontes de registro. / Introduction: One of the main factors associated with mortality and morbidity in the perinatal period is preterm birth. Its prevalence is increasing in many locations and the reasons for such involves a complex interplay of factors associated with preterm birth including biological aspects, assistance, psychological, social and economic factors birth, among many others associated with preterm birth. Objective: This study aims to analyze the effects of variables associated with preterm birth via structural equation modeling (SEM), with the construction of latent variables of socioeconomic vulnerability, family, psychosocial, and maternal complications. Other objectives are to analyze the use of various sources of registering gestational age in order to generate a latent variable for gestational age (GA) and compare models with different types of outcome (continuous, ordinal, binary and latent variable). Methods - This study was based on research in population case-control over hospital births to mothers resident in the city of Londrina, Paraná, conducted between June 2006 and March 2007. From a conceptual model it was used SEM to build models with latent and composite variables with use of adjustment measures. Results: The final model showed the following direct effects on GA: complications, prenatal care inadequate, multiple gestation, reproductive condition, BMI, alcohol consumption, going for walks and effort. Besides the direct effect of prenatal care, found their role of mediating variable between latent variables: Socioeconomic Vulnerability, Not Acceptance of Pregnancy, Vulnerability and Family and the outcome GA. Conclusions: For the use of SEM it was necessary to revisit the role of the variables proposed in the original study, which suggests that, for the application of the methodology, it is already considered the formulation of a priori latent variables in the planning phase of a research. The application allowed SEM to build latent variables and composite variables from the original study and identify direct, indirect and mediating effects on GA. Furthermore, it was possible to build and use the GA latent variable from the recording sources.

Orientador: Luiz Koodi Hotta / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-21T13:55:30Z (GMT). No. of bitstreams: 1 Tsai_Rodrigo_D.pdf: 3859687 bytes, checksum: 1064b1fa05b98307d97763bb79e95de4 (MD5) Previous issue date: 2012 / Resumo: Nesse trabalho discutimos aplicações de cópulas a modelos de riscos múltiplos com dependência e modelos de misturas de distribuições. Numa primeira parte analisamos a inclusão de dependência entre os fatores de risco do modelo de riscos múltiplos. Os modelos de riscos múltiplos são uma família de modelos flexíveis para representar dados de tempos de vida. Suas maiores vantagens sobre os modelos de risco simples incluem a habilidade de representar funções de taxa de falha com formas não usuais e a facilidade de incluir covariáveis. O objetivo principal dessa parte é modelar a dependência existente entre as causas latentes de falha do modelo de riscos múltiplos por meio de funções de cópulas. A escolha da função de cópulas bem como das funções de distribuição dos tempos latentes de falha resultam numa classe flexível de distribuições de sobrevivência que é capaz de representar funções de taxa de falha de formas multimodais, forma de banheira e contendo efeitos locais dados pela concorrência dos riscos. A identificação e estimação do modelo proposto também são discutidas. Ao eliminar a restrição de suporte positivo para as variáveis latentes, o método pode ser utilizado para gerar uma família rica de distribuições univariadas contendo assimetrias e múltiplas modas. Na segunda parte propomos um modelo de mistura de distribuições generalizado utilizando cópulas. O parâmetro da cópula é útil para definir formas de assimetria e ponderar com maior ou menor peso determinadas regiões do suporte das distribuições componentes para compor a mistura. pesos das distribuições componentes variam no suporte da distribuição e não são restritos à soma unitária. A modelagem resultante acrescenta uma maior flexibilidade aos modelos de misturas na representação de dados com densidades de várias formas multimodais e assimétricas. O modelo tem como casos particulares o modelo de mistura tradicional, o modelo de riscos múltiplos e o modelo de fração de cura. Os modelos são aplicados a dados simulados e reais da literatura. Foram utilizados os métodos de estimação de máxima verossimilhança e os critérios de ajuste de Akaike e Bayesiano para a seleção dos modelos. Os modelos representaram bem os conjuntos de dados analisados em comparação com metodologias propostas na literatura / Abstract: In this work, we discuss the application of copula to polyhazard and mixture models. First we analyse the inclusion of dependence among failure causes in the polyhazard models. The polyhazard models constitute a family of flexible models to represent lifetime data. Their main advantages over single hazard models include the ability to represent hazard rate functions with unusual shapes and the ease of including covariates. The main purpose in this first part is to model the dependence that exists among the latent causes of failure in the polyhazard model by copula functions. The choice of the copula function as well as the latent failure distributions produces a flexible class of survival distributions that is able to model hazard functions with unusual shapes such as bathtub or multimodal curves, while also modelling local effects given by the competing risks. The model identification and estimation are also discussed. Dropping the restriction of positive support for the latent variables, the method can be used to generate a rich family of univariate distributions with asymmetries and multiple modes. In the second part a generalized mixture model using copula functions is proposed. To assemble the mixture model, the parameter of the copula function is used to define asymmetry shapes and to attribute more or less weight to chosen regions of the component distributions. The weights of the component distributions vary on the support of the distribution and are not restricted to the unitary sum. The resulting model increases the flexibility of the mixture models to represent data with densities with several multimodal and asymmetric shapes. Special cases of the model are the traditional mixture models, the polyhazard model, and the cure fraction model. Simulated and empirical data from the literature are analysed by the proposed models. The estimation was done by maximum likelihood methods and the selection of the models used the Akaike and Bayesian criteria. The proposed models exhibited very good fit to the data sets in comparison to other methodologies presented in the literature / Doutorado / Estatistica / Doutor em Estatística

Neste trabalho apresentamos os mais importantes processos de estimação em algumas classes de modelos de resposta ao item (Dicotômicos e Policotômicos). Discutimos algumas propriedades desses métodos. Com o objetivo de comparar o desempenho dos métodos conduzimos simulações apropriadas. / In this work we show the most important estimation methods for some item response models (both dichotomous and polichotomous). We discuss some proprieties of these methods. To compare the characteristic of these methods we conducted appropriate simulations.

Neste trabalho apresentamos os mais importantes processos de estimação em algumas classes de modelos de resposta ao item (Dicotômicos e Policotômicos). Discutimos algumas propriedades desses métodos. Com o objetivo de comparar o desempenho dos métodos conduzimos simulações apropriadas. / In this work we show the most important estimation methods for some item response models (both dichotomous and polichotomous). We discuss some proprieties of these methods. To compare the characteristic of these methods we conducted appropriate simulations.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4453.pdf: 2980949 bytes, checksum: a5e49490266d2a0b649d487d8bf298d5 (MD5) Previous issue date: 2012-03-23 / Financiadora de Estudos e Projetos / In ecology, understanding the species-area relationship (SARs) are extremely important to determine species diversity. SARs are fundamental to assess the impact due to the destruction of natural habitats, creation of biodiversity maps, to determine the minimum area to preserve. In this study, the number of species is observed in different area sizes. These studies are referred in the literature through nonlinear models without assuming any distribution for the data. In this situation, it only makes sense to consider areas in which the counts of species are greater than zero. As the dependent variable is a count data, we assume that this variable comes from a known distribution for discrete data positive. In this paper, we used the zero truncated Poisson distribution (ZTP) and zero truncated Negative Binomial (ZTNB) to represent the probability distribution of the random variable species diversity number. To describe the relationship between species diversity and habitat, we consider nonlinear models with asymptotic behavior: Exponencial Negativo, Weibull, Logístico, Chapman-Richards, Gompertz e Beta. In this paper, we take a Bayesian approach to fit models. With the purpose of obtain the conditional distributions, we propose the use of latent variables to implement the Gibbs sampler. Introducing a comparative study through simulated data and will consider an application to a real data set. / Em ecologia, a compreensão da relação espécie-área (SARs) é de extrema importância para a determinação da diversidade de espécies e avaliar o impacto devido à destruição de habitats naturais. Neste estudo, observa-se o número de espécies em diferentes tamanhos de área. Estes estudos são abordados na literatura através de modelos não lineares sem assumir alguma distribuição para os dados. Nesta situação, só faz sentido considerar áreas nas quais as contagens das espécies são maiores do que zero. Como a variável dependente é um dado de contagem, assumiremos que esta variável provém de alguma distribuição conhecida para dados discretos positivos. Neste trabalho, utilizamos as distribuições de Poisson zero-truncada (PZT) e Binomial Negativa zero-truncada (BNZT) para representar a distribuição do número de espécies. Para descrever a relação espécie-área, consideramos os modelos não lineares com comportamento assintótico: Exponencial Negativo, Weibull, Logístico, Chapman-Richards, Gompertz e Beta. Neste trabalho os modelos foram ajustados através do método de verossimilhança, sendo proposto uma abordagem Bayesiana com a utilização de variáveis latentes auxiliares para a implementação do Amostrador de Gibbs.