Modelo aditivo de Aalen: uma aplicação para dados de sinusite em pacientes com Aids

• TARCIANA LIBERAL PEREIRA ^[1] ; ENRICO ANTÔNIO COLOSIMO ^[2] ; MARIA CRISTINA RAPOSO ^[3]
  1. [1] Universidade Federal da Paraíba

     Universidade Federal da Paraíba

     Brasil

     
  2. [2] UFMG Departamento de Estatística
  3. [3] UFPE Departamento de Estatística

  Mostrar afiliaciones +
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 30, Nº. 1, 2007, págs. 129-141
• Idioma: portugués
• Títulos paralelos:
  • Aalen Additive Model: A Application for Data of Sinusite in Patients with Aids
• Enlaces
  • Texto completo
• Resumen
  • English

    In survival analysis sometimes the interest is not just on the failure time distribution function. It is common treatment comparisons as well as studying the effect of covariates in the response. This fact happens in engineering and clinical studies. Covariates effects are usually incorporated in the analysis by using a regression model. Moreover, in some real situations, covariates may be monitored and measured along the follow-up period. These covariates are known as time-dependent covariates. Analysis that include these covariates can be more reliable. Aalen proposed an additive risk model that is very attractive. This model has showed some practical advantages especially when the covariates effects varies in time. The main advantage of this model it is that through graphical analysis it is possible to verify changes in the time in the influence of each one of the covariates. That is, analyses with this model supply information detailed regarding the secular influence of each covariate. This model is presented in this paper in terms of time-dependent covariates. A real data set related to HIV patients and time to develop sinusitis is used to illustrate the fit of the additive Aalen model.

  • português

    Em estudos de sobrevivência, as vezes, o interesse não é apenas na distribuição do tempo de falha. É comum a comparação de tempos de sobrevivência de dois ou mais grupos bem como a verificação do efeito de covariáveis na resposta tanto em engenharia quanto, principalmente, em situações clínicas. A maneira mais eficiente de incorporar o efeito desses fatores no estudo é utilizar um modelo estatístico de regressão. Freqüentemente em estudos de sobrevivência o efeito das covariáveis de interesse pode variar ao longo do tempo de duração do estudo. Estas covariáveis são denominadas de dependentes do tempo e a inclusão delas na análise pode fornecer resultados mais precisos. Aalen propôs um modelo de risco aditivo que apresenta vantagens práticas quando as covariáveis são acompanhadas ao longo do tempo e os seus valores podem ser modificados durante o estudo. A principal vantagem desse modelo é que através de análise gráfica é possível verificar mudanças no tempo na influência de cada uma das covariáveis. Isto é, análises com este modelo fornecem informações detalhadas a respeito da influência temporal de cada covariável. Dessa forma o modelo aditivo de Aalen é apresentado neste trabalho com o objetivo de mostrar a sua importância na presença de covariáveis dependentes do tempo. Um banco de dados real envolvendo pacientes infectados pelo HIV e o tempo até o desenvolvimento de sinusite é utilizado para ilustrar o ajuste deste modelo.

• Referencias bibliográficas
  • Aalen, O. O.. (1978). ‘Nonparametric Inference for a Family of Counting Processes’. Annals of Statistics. 6.
  • Aalen, O. O.. (1980). A Model for Non-parametric Regression Analysis of Counting Processes. Lecture Notes in Statistics 2. 1-25
  • Aalen, O. O.. (1989). ‘A Linear Regression Model for the Analysis of Life Times’. Statistics in Medicine. 907925
  • Aalen, O. O.. (1993). ‘Further Results on the Non-Parametric Linear Regression Model in Survival Analysis’. Statistics in Medicine. 12. 15691588
  • Andersen, P. K.,Vaeth, M.. (1989). ‘Simple Parametric and Non-Parametric Models for Excess and relative Mortality’. Biometrics. 45. 523535
  • Cribari-Neto, F.,Zarkos, S. G.. (1999). ‘R Yet Another Econometric Programming Environment’. Journal Appl. Econ.. 14. 319329
  • Gonçalves, D. U.. (1995). Incidência, Marcadores de Prognóstico e Fatores de Risco Relacionados às Manifestações Otorrinolaringológicas em...
  • Huffer, F. W.,McKeague, I. W.. (1987). Survival Analysis Using Additive Risk Models. Stanford University.
  • Klein, J. P.,Moeschberger, M. L.. (1997). Survival analysis: Tecniques for Censored and Truncated Data. Spring-Verlag. New York.
  • Mau, J.. (1986). ‘On a Graphical Method for the Detection of Time-Dependent Effects of Covariates in Survival Data’. Applied Statistics. 35....
  • Mau, J.. (1988). ‘A Comparison of Counting Process Models for Complicated Life Histories’. Applied Stochastic Models and Data Analysis. 4....
  • McKeague, I. W.. (1986). ‘Estimation for a Semimartingale Regression Model Using the Method of Sieves’. Annals of Statistics. 14. 579589
  • McKeague, I. W.,Utikal, K. J.. (1988). Goodness-of-fit Tests for Additive Hazards and Proportional Hazards Models. Florida State University.....
  • (2006). R Development Core Team R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna.
  • Sample, S.,Lenahan, G. A.,Serwonska, M. H.. (1989). ‘Allergic Diseases and Sinusits in Acquired Immunodeficiency Syndrome’. Journal Allergy...