Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://bdtd.unifal-mg.edu.br:8443/handle/tede/1565
Registro completo de metadados
Campo DCValorIdioma
dc.creatorGONÇALVES, Daiane de Oliveira-
dc.creator.Latteshttp://lattes.cnpq.br/5957462549313265por
dc.contributor.advisor1FONSECA, Natália da Silva Martins-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3374954104030940por
dc.contributor.advisor-co1AVELAR, Fabricio Goecking-
dc.contributor.referee1LABRA, Filipor Edilfonso Vilea-
dc.contributor.referee2CIRILLO, Marcelo Ângelo-
dc.date.accessioned2020-03-17T19:46:25Z-
dc.date.issued2020-02-06-
dc.identifier.citationGONÇALVES, Daiane de Oliveira. Modelos paramétricos de sobrevivência aplicados a dados de câncer. 2020. 75 f. Dissertação (Mestrado em Estatística Aplicada e Biometria) - Universidade Federal de Alfenas, Alfenas, MG, 2020 .por
dc.identifier.urihttps://bdtd.unifal-mg.edu.br:8443/handle/tede/1565-
dc.description.resumoO câncer tem se tornado uma das doenças responsáveis por uma grande quantidade de óbitos em todo o mundo. Pois, de acordo com a Organização Mundial da Saúde essa patologia é uma das doenças malignas mais comuns no mundo. Deste modo, seria de interesse avaliar os fatores capazes de influenciar no tempo até o óbito de pacientes portadores dessa doença. Para tanto, esse estudo tem por objetivo a apresentação de uma revisão sobre os principais modelos paramétricos de sobrevivência utilizados para descrever o tempo de vida de pacientes com essa patologia bem como os fatores a ele associados. E, a partir desses modelos realizar um ajuste dos mesmos a um conjunto de dados provenientes de pacientes com câncer de pulmão. Os modelos paramétricos ajustados foram Weibull, Gama, Gama Generalizado e Log-normal, sendo o melhor modelo selecionado por meio dos critérios de informação AIC, SBC e GD. Após a seleção do melhor modelo, nesse estudo o Gama Generalizado, realizou-se a análise residual e avaliou-se a acurácia do modelo. Verificou-se que o modelo Gama Generalizado foi o que melhor se ajustou ao conjunto de dados, sendo assim utilizado para descrever o tempo até a ocorrência do óbito dos pacientes portadores de câncer de pulmão e os fatores a ele associados. E, concluiu-se que os fatores que contribuíram para tempo de sobrevida dos pacientes foram gênero, idade, estadiamento (TNM), histologia e cigarro.por
dc.description.abstractCancer has become one of the diseases responsible for a large number of deaths worldwide. According to theWorld Health Organization, this pathology is one of the most common malignant diseases in the world. Thus, it would be of interest to evaluate the factors capable of influencing the time until the death of patients with this disease. Therefore, this study aims to present a review of the main parametric models of survival used to describe the life time of patients with this pathology as well as the factors associated with it. And, based on these models, fitted them to a set of data from patients with lung cancer. The adjusted parametric models were Weibull, Gamma, Generalized Gamma and Log-normal, with the best model being selected using the AIC, SBC and GD information criteria. After selecting the best model, in this study the Generalized Gamma, residual analysis was performed and the accuracy of the model was evaluated. It was found that the Generalized Gamma model was the one that best fitted the data set, being thus used to describe the time until the death of patients with lung cancer and the factors associated with it. And, it was concluded that the factors that contributed to the patients’ survival time were gender, age, staging (TNM), histology and smoking.eng
dc.description.provenanceSubmitted by Marlom César da Silva (marlom.silva@unifal-mg.edu.br) on 2020-03-17T19:44:33Z No. of bitstreams: 2 Dissertação de Daiane de Oliveira Gonçalves.pdf: 1160591 bytes, checksum: 01871cd9e10d1e7aadf6dd93348de7a1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Marlom César da Silva (marlom.silva@unifal-mg.edu.br) on 2020-03-17T19:44:54Z (GMT) No. of bitstreams: 2 Dissertação de Daiane de Oliveira Gonçalves.pdf: 1160591 bytes, checksum: 01871cd9e10d1e7aadf6dd93348de7a1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Marlom César da Silva (marlom.silva@unifal-mg.edu.br) on 2020-03-17T19:46:00Z (GMT) No. of bitstreams: 2 Dissertação de Daiane de Oliveira Gonçalves.pdf: 1160591 bytes, checksum: 01871cd9e10d1e7aadf6dd93348de7a1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2020-03-17T19:46:25Z (GMT). No. of bitstreams: 2 Dissertação de Daiane de Oliveira Gonçalves.pdf: 1160591 bytes, checksum: 01871cd9e10d1e7aadf6dd93348de7a1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2020-02-06eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal de Alfenaspor
dc.publisher.departmentInstituto de Ciências Exataspor
dc.publisher.departmentPró-Reitoria de Pesquisa e Pós-Graduaçãopor
dc.publisher.countryBrasilpor
dc.publisher.initialsUNIFAL-MGpor
dc.publisher.programPrograma de Pós-Graduação em Estatística Aplicada e Biometriapor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectDistribuição (Teoria da probabilidade)por
dc.subjectPulmões (Câncer)por
dc.subjectTaxa de Sobrevida.por
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApor
dc.titleModelos paramétricos de sobrevivência aplicados a dados de câncerpor
dc.typeDissertaçãopor
Aparece nas coleções:Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação de Daiane de Oliveira Gonçalves.pdf1,13 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Este item está licenciada sob uma Licença Creative Commons Creative Commons