Responsável:

Celso Rômulo Barbosa Cabral, Márcia Brandão de Oliveira Martins e Nelson Lima de Souza Filho

Local :

Auditório Rio Javari

Público-Alvo:

Descrição

Titulo P1:
Resumo P1:

Titulo P2: Modelos de fração de cura com causas competitivas heterogêneas
Resumo P2- Os modelos de fração de cura têm sido amplamente estudados para analisar dados de tempo de falha onde existe uma fração de pacientes curados. Neste tipo de modelo, assume-se que o número de causas competitivas (uma variável latente) é uma variável aleatória. No entanto, na prática, é natural supor que a distribuição do número de causas seja diferente de indivíduo para indivíduo. Nossa proposta é assumir que o número de causas concorrentes pertence a uma classe de uma mistura finita de distribuições de causas competitivas. Em particular, assumimos que o número de células malignas (causas concorrentes para o evento de interesse) segue uma mistura de duas distribuições de séries de potências e que o tempo até o evento de interesse segue uma distribuição Weibull. Consideramos que a proporção de curados depende de covariáveis, permitindo a modelagem direta da taxa de cura por meio de covariáveis. O modelo proposto inclui vários modelos bem conhecidos como casos especiais e define novos modelos (pelo menos dez novos casos especiais). A estimativa dos parâmetros do modelo proposto é discutida por meio do método da máxima verossimilhança. Um algoritmo do tipo EM (Expectation-Maximization) é proposto para a estimação de parâmetros, em que o Passo-E envolve o cálculo do número esperado de causas concorrentes para cada indivíduo. Um estudo de simulação foi realizado para avaliação da recuperação de parâmetros e das probabilidades de cobertura dos intervalos de confiança. Para mostrar o potencial de aplicação da proposta, um estudo foi conduzido com um conjunto de dados médicos reais de um estudo populacional com a incidência de casos de melanoma cutâneo diagnosticados no estado de São Paulo, Brasil, ilustrando o fato de que o modelo proposto pode superar modelos alternativos tradicionais em termos de ajuste.

Titulo P03: Modelos bayesianos com erro de medição usando misturas finitas de misturas de escala de distribuições normais assimétricas.
Resumo P03 - Apresentamos uma proposta para lidar com a questão da não normalidade no contexto de modelos de regressão com erros de medição quando a resposta e a variável explicativa são observadas com erro. Estendemos o modelo normal modelando conjuntamente a covariável e os erros aleatórios por uma mistura finita de mistura de escala de distribuições normais assimétricas. Esta abordagem nos permite modelar dados com grande flexibilidade, acomodando distorções, caudas pesadas e multimodalidade. A principal virtude de considerar o erro de medição em modelos sob a classe de misturas de escala de distribuições normais assimétrica é que eles permitem uma boa representação hierárquica que gera uma fácil implementação de algoritmos inferenciais. Para ilustrar a utilidade do método proposto são apresentados alguns estudos de simulação e um conjunto de dados real (lúpus eritematoso sistêmico) é analisado

Horário

Dia 20/10/2023 de 14:00 às 15:30