Família Kumaraswamy-G para Analisar Dados de Sobrevivência de Longa Duração

• Processo: 13/04437-4
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2013
• Data de Término da vigência: 28 de fevereiro de 2015
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Vera Lucia Damasceno Tomazella
• Beneficiário: Amanda Morales Eudes
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Análise de sobrevivência
• Palavra(s)-Chave do Pesquisador: Análise de Sobrevivência | Dados de longa duração | Distribuição Kumaraswamy | Modelo De Mistura | Taxa de cura | Análise de Sobrevivência

Resumo

Em estudos que envolvem o tempo até a ocorrência de algum evento de interesse (falha) existe a possibilidade de que nem sempre todos os indivíduos em estudo experimentam o evento de interesse mesmo se observarmos esses indivíduos por um tempo muito grande. Esses indivíduos são ditos curados ou imunes ao evento de interesse e, consequentemente, sua população possui uma fração de curados. Geralmente o tempo até a ocorrência de algum evento de interesse segue uma distribuição de probabilidade. Kumaraswamy (1980) propôs uma nova distribuição de probabilidade e mais recentemente com base nesta distribuição, Cordeiro e de Castro (2011) descrevem uma nova família de distribuições generalizadas Kumaraswamy-G. Esta distribuição é flexível e contém outras distribuições como casos especiais. Nesta pesquisa, investigaremos a aplicação da distribuição Kumaraswamy-G para um modelo de mistura padrão proposto por Berkson e Gage (1952) para encontrar a estimativa da taxa de cura. O modelo de mistura Kumaraswamy-G pode oferece uma grande flexibilidade para modelar a distribuição do tempo de sobrevivência de pacientes não curados, bem como efeitos de covariáveis sobre a taxa de cura. Este modelo pode, potencialmente, descobrir estrutura em dados de sobrevivência que de outra forma poderia ser desperdiçada utilizando de outros modelos de mistura paramétricas na literatura.