Disciplina - detalhe

LCE5809 - Análise de Sobrevivência


Carga Horária

Teórica
por semana
Prática
por semana
Créditos
Duração
Total
3
1
8
15 semanas
120 horas

Docentes responsáveis
Edwin Moises Marcos Ortega

Objetivo
O conjunto de técnicas e modelos estatísticos para a análise de dados cuja variável resposta é o tempo
até a ocorrência de um evento (por exemplo, morte de um indivíduo) é denominado Análise de
sobrevivência. Estes dados são frequentemente censurados, isto é, são observações incompletas em
que, por algum motivo não foi possível observar a ocorrência do evento. Neste sentido, serão
desenvolvidas e aplicadas técnicas de análise de sobrevivência em experimentos agronômicos e áreas
afins, mostrando as técnicas de estimação, verificação de ajuste dos modelos, análise de resíduos e
diagnósticos, assim como inferência e obtenção de intervalos de confiança. Os objetivos específicos são:
i). Estudar e determinar a distribuição dos tempos de falha; ii) Comparar os tempos de falha para
diferentes grupos. iii) Estudar o valor prognóstico de possíveis fatores de risco.

Conteúdo
1 Introdução 2. Conceitos básicos: tempo de falha, tipos de censura, represntação de dados de
sobrevivência. 3. Funções de interesse: Função de sobrevivência, função de risco, relação entre as
funções. 4. Métodos não-paramétricos para a análise de dados de sobrevivência: Estimador de KaplanMeier, estimador atuarial ou tábua de vida, estimador de Nelson-Aalen, comparação de curvas de
sobrevivência. 5. Modelos de Riscos Proporcionais: Modelo de Regressão de Cox, estimação dos
parãmetros, verificação da suposição de riscos proporcionais de Cox e análise de resíduos. 6. Métodos
paramétricos para a análise de dados de sobrevivência: Distribuições básicas em análise de
sobrevivência (Exponencial, Weibull, Log-normal, Valor extremo, Gama generalizado, Weibull Múltiplo,
Weibull-exponenciado), Estimação dos parâmetros, intervalo de confiança dos parâmetros, escolha da
distribuição adequada. 7. Modelos de regressão em análise de sobrevivência: Modelos de regressão,
Weibull, gama generalizada, inferência nos modelos de regressão e análise de resíduos e diagnóstico. 8.
Modelos de regressão com fração de cura. 9. Modelos de regressão bivariados com dados censurados.
10. Modelos de regressão com censura intervalar.

Bibliografia
Allison, Paul D. Survival Analysis Using SAS: A Practical Guide. 2010. 2ed. Cary, NC: SAS Institute Inc.
Collet, A. Modelling Survival Data in Medical Research. Chapman and Hall, London. 2003.
Cordeiro, G. M. A Teoria de Verossimilhança. Associação Brasileira de Estatística, Rio de Janeiro, 10º
SINAPE. 1992.
Cox, D. R. e Oakes, D. Analysis of Survival Data. Chapman and Hall, London. 1984.
Hosmer, D. W. e Lemeshow, J. F. Applied Survival Analysis. John Wiley and Sons, New York. 1992.
Ibrahim, J. G., Chen, M, H., e Sinha, D. Bayesian Survival Analysis. Springer -Verlag, New York. 2001.
Kalbfleisch, J. D. e Prentice, R. L. The Statistical Analysis of Failure Time Data. John Wiley and Sons,
New York. 1980.
Kleinbaum, David G.e Mitchel Klein. Survival Analysis a Self-Learning Tex. 2005 - 2ed.Springer, USA.
Kaplan, E. L. e Meier, P. Nonparametric estimation from incomplete observations. Journal of the
American Statistical Association, 53, 457-481. 1958
Klein, J. P. e Moeschberger, M. L. Survival Analysis Techniques for censored anf Truncated Data.
Springer -Verlag, New York. 1997.
Lawless, J. F. Statistical Models and Methods for Lifetime Data. John Wiley and Sons, New York. 2003.
Moore, D. F. Applied Survival Analysis Using R. Springer, New Jersey, 2016.
Tableman, M. and Kim, J.S. Survival Analysis using S. Anlaysis of Time-to-Event Data. Chapmann and
Hall. New York. 2003.
Mudholkar, G. S., Srivastava, D. K., and Friemer, M. The exponentiated Weibull family: A reanalysis of
the bus-motor-failure data. Technometrics 37, 436-445. 1995.
Nelson, W. Accelerated Life Testing: Statistical Models, Data Analysis and Test Plans. John Wiley and
Sons, New York. 1990
Ortega, E. M. M. Análise de Influência Local e Resíduos nos Modelos de Regressão Log-gama
Generalizados. São Paulo: Tese de Doutorado. 2001.
VENABLES, W.N. e RIPLEY, B.D. Statistics and Computing. Springer-Verlag. 2002. 495p.