A bivariate survival model for events with dependent failure times based on Archimedean copula functions. Application case: A sample of HIV patients English
Conteúdo do artigo principal
Resumo
Este trabalho propõe um modelo de sobrevida bivariado para tempos de falha dependentes baseado nas funções da cópula da família Arquimediana e na função cumulativa média para eventos não recorrentes de diferentes tipos (MCFR ̅E) e o utiliza para estimar a probabilidade de sobrevida a partir da ocorrência de eventos de diferentes tipos no mesmo paciente com HIV/AIDS. As funções da cópula avaliam a estrutura de dependência entre os tempos de falha dos eventos vivenciados pelo mesmo paciente ao longo de seu período de seguimento, e o MCFR ̅E gera a função de sobrevida marginal para cada evento. A função marginal é um estimador não paramétrico que dá a mesma probabilidade de sobrevivência estimada que o estimador de Kaplan-Meier se os tempos de falha dos diferentes tipos de eventos forem independentes. Se cada paciente experimenta pelo menos um evento, um subconjunto deles gera um evento composto que afeta a probabilidade estimada de sobrevivência. Os resultados mostram que as probabilidades de sobrevivência tradicionalmente estimadas são tendenciosas se os tempos de falha dependentes forem tratados como independentes
Detalhes do artigo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Referências
Boracchi, P. & Orenti, A. Survival functions in the presence of several events and competing risk. Estimation and interpretation beyond Kaplan-Meier. International Journal of Statistics in Medical Research 4, 121-139 (2015).
Genest, C., Huang, W. & Dufour, J. A regularized goodness-of-fit test for copulas. Journal de la Société Francaise de Statistique 154, 64-77 (2013).
Genest, C. & Mackay, J. The joy of copulas: Bivariate distributions with uniform marginal. The American Statistician 40, 280-283 (1986).
Kaplan, E. & Meier, P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association 53 (282), 457-481 (1958).
Lo, S. & Wilke, R.A. A copula model for dependent competing risks. Journal of the Royal Statistical Society Series C Applied Statistics 59 (2), 359 – 376 (2010).
Nelsen, R. An introduction to Copulas (Springer, 2006).
Nelson, W. Recurrent Events Data Analysis for Product Repairs, Disease Recurrences, and Other Applications (ASA-SIAM, 2003).
Peña, J. Modelos de supervivencia bivariantes para tiempos de fracaso posiblemente dependientes de eventos de distinto tipo experimentados por un mismo individuo (Doctoral Dissertation in Statistics, Universidad de Los Andes, Venezuela, 2018).
Peña, J., Ramoni-Perazzi, J. & Orlandoni-Merli, G. Un modelo de supervivencia bivariante para eventos dependientes bajo el enfoque de funciones cópulas. Revista de la Facultad de Farmacia 60, 13-24 (2018).
Pintilie, M. Competing Risk: A Practical Perspective (Wiley, 2006).
Taylor, L. & Peña, E. Parametric estimation in a recurrent competing risks model. Journal of the Iranian Statistical Society 20, 514-537 (2013).
Timaure, R. Método unificado para el estudio de la sensibilidad a los datos faltantes y las desviaciones a los supuestos de la distribución en modelos de efectos mixtos (Doctoral Dissertation in Statistics, Universidad de Los Andes, Venezuela, 2017).
Úbeda, M. Cópulas y Cuasicópulas: Interrelaciones y nuevas propiedades. Aplicaciones (Doctoral Dissertation in Statistics, Universidad de Almería, España, 2001).
WHO. Directrices unificadas sobre el uso de medicamentos antirretrovíricos para el tratamiento y la prevención de la infección por el VIH, Venezuela 2013. Available at (http://www.who.int/hiv/pub/).
Zheng M, & Klein J.P. Estimates of Marginal Survival for Dependent Competing Risks Based on an Assumed Copula. Biometrika 82 (1), 127-132 (1995).