Modelos bayesianos com fração de cura e erro de medida com distribuição na família mistura de escala da normal

Exportado OPUSMade available in DSpace on 2019-08-11T08:02:52Z (GMT). No. of bitstreams: 1 teseannarafaellamarinho.pdf: 4477148 bytes, checksum: 20ba7e8d3c1eb8a0ee3aaad3c4305613 (MD5) Previous issue date: 30Os avanços médicos no tratamento do câncer e o desenvolvimento de técnicas de diagnóstico mais eficientes nos últimos anos, contribuíram para o aumento do número de pacientes curados. Com isso também houve um crescimento no interesse de se desenvolver modelos estatísticos capazes de incorporar uma fração de cura em sua estrutura. É sabido que algumas covariáveis relevantes ao tempo de vida dos pacientes podem ser medidas com erro. Neste trabalho, propomos modelos Bayesianos de fração de cura que acomodam covariáveis desta natureza. Nossa proposta estende modelos já discutidos na literatura por: (i) assumir que o erro de medida pertence a classe de distribuições mistura de escala da Normal (família NI); (ii) por estimar a variância do erro de medida e, também, por (iii) considerar abordagens Bayesianas para modelos já propostos. Sugerimos três especificações a priori diferentes para fazermos inferência. Em todas estas, as distribuições a posteriori não têm forma fechada. Por essa razão, lançamos mão do amostrador de Gibbs com passos de Metropolis adaptativo para obter amostras das distribuições a posteriori dos parâmetros. Para avaliar os modelos propostos, apresentamos alguns estudos de simulação e também uma aplicação na área médica, analisando dados de um ensaio clínico de pacientes com melanoma cutâneo já investigado na literatura.The medical advances in cancer treatment and the development of efficient diagnosis techniques in the recent years have contributed to the increase in the fraction of cured patients. Because of this, it can be noted an increasing the interest to develop statistical models to appropriately deal with lifetime data in the presence of cure fraction. It is well known that some covariates that may influence the patient lifetime can be mismeasured. In this work, we propose a Bayesian cure rate model that accommodates covariates of this nature. Our proposal extends models that have already been discussed in the literature by: (i) assuming that the measurement error belongs to the scale mixture of normal distributions class; (ii) by estimating the variance of the measurement error and also by (iii) considering Bayesian approaches to the models already proposed. Three different prior specifications are proposed to model this parameter. In all models, the expressions of the posterior distributions does not have a closed form. For this reason we used the Gibbs Sampler with Adaptative Metropolis to obtain samples from the posterior distributions. A Monte Carlo simulation study is presented and also an analysis of a melanoma clinical trial date that has already been explored in the literature