Algumas distribuições de probalidade para idosos grupados e censurados

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Biometria - IBB

São comuns experimentos conduzidos de forma a não permitir a observação do tempo exato de ocorrência do evento (por exemplo, morte), e sim o intervalo em que este ocorreu, caracterizando assim, respostas com censura intervalar. Quando os indivíduos são avaliados nos mesmos tempos, tem-se um caso particular de censura intervalar, sendo os dados deste tipo conhecidos como grupados e censurados. Dados grupados podem apresentar um grande número de empates, ou seja, proporção de empate maior que 25% (Chalita et al., 2002), podendo ser analisados considerando-se o tempo discreto e ajustando-se modelos à probabilidade de o indivíduo falhar em um certo intervalo, dado que ele sobreviveu ao intervalo anterior (Lawless, 1982). O objetivo deste trabalho é propor modelos de sobrevivência para dados grupados e censurados baseado nas distribuiçõess Weibull Generalizada (Mudhol kar et al., 1996), Log-Weibull Exponenciada (Hashimoto et al., 2010) e Log-Burr XII (Silva, 2008). Posteriormente, estes modelos e os modelos Log-Normal Generalizada e Weibull Exponenciada extendidos para dados grupados e censurados por Silveira et al. (2010), serão aplicados à um conjunto de dados referente a um estudo de pacientes submetidos a cirurgia de Duhamel-Haddad (em que os modelos Log-Normal Generalizada e Weibull Exponenciada já foram ajustados em Silveira et al. (2010)), e comparados pelo critério de Informação de Akaike Corrigido (AICс)

Experiments which are unable to accurately indicate the time of their occurrence are frequent (death, for instance) only the time they occur is related, which means answers with interval- censored . When individuals are assessed at the same time, there is a particular case interval-censored, and the data in this case is known as grouped and censored. Data of this kind can have a large number of ties whose proportions are greater than 25% (Chalita et al., 2002), and can be analyzed considering the discrete time and fitting models to the probability of the individual’s eventual failure and the timing of the failure, as he survived the previous interval (Lawless, 1982). The aim of this paper is to propose survival models data grouped based on Generalized Weibull distributions (Mudholkar et al., 1996), Log-ExponentiatedWeibull (Hashimoto et al., 2010) and Log-Burr XII (Silva, 2008). These models, the Generalized Lognormal and Weibull Exponential models extended to grouped data and censored by Silveira et al. (2010), will be applied to a data set concerning a study of patients undergoing Duhamel-Haddad surgery (whose Generalized Lognormal and Weibull Exponential models have been adjusted in Silveira et al. (2010), and compared by the Fixed Akaike information criterion (AICc)