[ABE-L] Divulgação Seminário PPGEst-UFRGS

[Marcio Valk]

Boa tarde,

Temos o prazer de convidar a todos para mais um seminário do Ciclo de
Seminários 2021 do Programa de Pós-Graduação em Estatística da UFRGS
(PPGEst-UFRGS). Informações abaixo:

Evento: Ciclo de Seminários 2021 do PPGEst-UFRGS

Palestrante: Dr. José Luiz Padilha da Silva  (UFPR)

Título:  Uma comparação de métodos de imputação de covariáveis ausentes no
modelo de Cox

Resumo:  A análise de dados de tempo até o evento em estudos clínicos e
epidemiológicos geralmente envolve covariáveis com valores ausentes, e
geralmente se assume que o mecanismo de perda dependa apenas dos dados
observados, incluindo a resposta que é o mínimo entre os tempos de
sobrevivência e de censura. Neste trabalho, discutiremos situações em que o
mecanismo de perda implica, além da natural perda de eficiência, em viés
nas estimativas dos coeficientes do modelo de regressão. Assumimos que a
resposta de sobrevivência segue um modelo de taxas de falhas proporcionais
de Cox dado a covariável X (possivelmente não observada) e demais
covariáveis Z (sempre observadas). Exceto em alguns casos especiais, a
distribuição condicional das covariáveis dado o tempo de sobrevivência não
segue qualquer distribuição usual. White e Royston (2009) mostram que, para
uma covariável X binária ou normal, o modelo de imputação é uma regressão
logística ou linear no indicador do evento D, a função taxa de falha basal
acumulada H0(t) e as outras covariáveis Z. Tal resultado, contudo, é válido
de forma aproximada para pequenos efeitos de covariável e/ou pequena
incidência acumulada. Como alternativa, consideramos uma aproximação FCS
(Full Conditional Specification) para o método de imputação sugerido por
Carpenter e Kenward (2013) que leva em conta o modelo de análise para
geração dos valores imputados. Uma outra possibilidade é a imputação por
meio de algoritmos de aprendizado como cart, disponível no pacote mice do
R. Nós comparamos os métodos através de estudos de simulação. Diferentes
cenários de perda e tamanhos amostrais foram considerados. Os resultados
indicam que as estimativas dos parâmetros de regressão podem ser viciadas
na ocorrência de dados ausentes e que, em geral, a aproximação FCS
apresenta bons resultados.

Data: 22 de Novembro de 2021 (segunda-feira)

Horário: 14h00 às 15:20 (60 min de apresentação e 20 min para perguntas)

Local: Ambiente virtual Mconf. Link: https://mconf.ufrgs.br/webconf/ppgest

Moderadora: Profa. Silvana Schneider (PPGEst-UFRGS)

Contamos com a presença de todos.

PPGEst-UFRGS

**********************************************************
Professor Dr. Marcio Valk,
Universidade Federal do Rio Grande do Sul - UFRGS
Instituto de Matemática e Estatística
Departamento de Estatística
Av. Bento Gonçalves, 9500
91509-900 Porto Alegre - RS - Brasil
Tel.: 051 3308-6191
-------------- Pr�xima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20211117/ab309139/attachment.htm>