Comparação de modelos para a análise de dados censurados à direita

Abstract

É comum o interesse por analisar dados provenientes de acompanhamentos ao longo do tempo. Um caso importante refere-se a análise dos dados de sobrevivência que são compostos por covariáveis e pela variável de interesse denominada tempo de sobrevivência. Esta última, é responsável por medir o tempo até a ocorrência do evento desejado e sua principal característica é a presença de censura. Diz-se que um dado de sobrevivência é censurado quando o tempo registrado não contém o evento desejado. Note que, os dados censurados possuem alguma informação a respeito do evento analisado, portanto, devem ser incorporados a análise. Dentre as ferramentas disponíveis para a análise de regressão com dados censurados, as mais usadas são o modelo Cox e o modelo de Poisson. O primeiro é adequado para um modelo de regressão cuja variável resposta é o tempo de sobrevivência e o segundo quando a variável resposta se refere a contagem do evento de interesse. A proposta deste trabalho é realizar um estudo comparativo entre esses modelos e verificar a influência do número de censuras nas estimações. Para isso, foi adotada a abordagem Bayesiana e considerou-se dados de sobrevivência com censura à direita. Dessa forma, diversas simulações foram feitas para os modelos considerados através de algoritmos implementados manualmente no programa R. Os resultados obtidos indicaram que os dois algoritmos MCMC convergiram de acordo com o critério de Gelman-Rubin. Porém, ao comparar as amplitudes dos intervalos de credibilidade dos modelos, o modelo Cox obteve o melhor desempenho uma vez que tinham os menores tamanhos. Portanto, apesar de ser possível aplicar ambos os modelos na análise dos dados de sobrevivência, conforme o aumento da porcentagem de censura, deve-se optar por usar o modelo Cox ao invés do Poisson