Utilização de técnicas bayesianas em modelos de regressão de Poisson para dados de contagem longitudinais e dados de contagem com medidas repetidas apresentando excesso de zeros

Nas pesquisas médicas e biológicas é comum encontrar dados de contagem. Por exem- plo, as variáveis podem ser dadas pelo número de hospitalizações para cada paciente em unidades básicas de saúde. Para dados de contagem longitudinais, o uso de modelos de regressão de Poisson usuais, que assumem independência entre as observações, não é satis- fatório, visto que as observações de um mesmo indivíduo são usualmente correlacionadas. Assim, efeitos aleatórios são considerados para capturar a possível correlação destas ob- servações além de superdispersão associada a outros fatores. Neste trabalho são uti- lizados modelos Bayesianos hierárquicos considerando diferentes distribuições aos efeitos aleatórios para analisar tais tipos de dados. Aos efeitos aleatórios é atribuída uma dis- tribuição normal, uma mistura de distribuições normais ou uma distribuição gama. Tam- bém são apresentados modelos de regressão de Poisson para dados com medidas repetidas apresentando excesso de zeros. Técnicas de simulação estocástica MCMC (Monte Carlo em Cadeias de Markov) são utilizadas para inferência e, em particular, para estimação dos parâmetros de interesse. Além disso, dados reais são considerados para ilustrar as metodologias propostas.In medical and biological researches we often .nd count data. For longitudinal count data, usual Poisson regression models, assuming independence among observations, are not applicable because of the correlation of these measures. This work presents hierarchical Bayesian models considering random eects to analyze longitudinal count data. A Normal and a Gamma distribution are considered to these eects besides the mixture of Normal distributions. We also present zero in.ated Poisson (ZIP) regression models for repeated measures. Markov Chain Monte Carlo (MCMC) is used to estimate the parameters. Keywords: Longitudinal Count Data; Poisson Regression Model; Zero In.ated Model; Hierarchical Model; Bayesian Analysis; MCMC Methods