Read more
Los modelos de tasa de curación mixta se utilizan habitualmente para analizar datos con supervivientes a largo plazo. Por otro lado, los modelos de fragilidad conducen a una estimación precisa de los coeficientes mediante el control de la heterogeneidad en los datos de supervivencia. Normalmente, en los modelos de fragilidad se utiliza la distribución gamma. Sin embargo, para los datos de supervivencia que son adecuados para poblaciones con una tasa de curación, puede ser mejor utilizar una distribución discreta para la variable aleatoria de fragilidad que una distribución continua. Por lo tanto, proponemos dos modelos en este libro. En el primer modelo, se utiliza gamma como distribución, y en el segundo modelo, se aplica la distribución hiper-Poisson para la variable aleatoria de fragilidad. Además, la inferencia Bayesiana con la distribución Weibull y la distribución Weibull modificada generalizada como distribución base se utilizaron en los dos modelos propuestos, respectivamente. En este libro, utilizamos datos de pacientes con cáncer gástrico para mostrar la aplicación de estos modelos en el análisis de datos reales. Los parámetros y coeficientes de regresión se estimaron mediante el algoritmo de muestreo de Metrópolis dentro de Gibbs. También se utilizó un estudio de simulación para evaluar el rendimiento de las estimaciones bayesianas y confirmar los modelos propuestos.
About the author
Dr. Ali Karamoozian, Ph.D., ist Assistenzprofessor für Biostatistik an der Abteilung für Biostatistik und Epidemiologie der Universität für medizinische Wissenschaften in Kerman, Iran.Dr. Abbas Bahrampour, Ph.D., ist Professor für Biostatistik an der Abteilung für Biostatistik und Epidemiologie der Universität für Medizinische Wissenschaften in Kerman (Iran).
