Modelos de fragilidade com fração de cura via modelagem de risco não proporcional para analisar dados de sobrevivência de longa duração

Resumo

Modelos baseados na função de risco têm obtido grande destaque na análise de sobrevivência desde a construção do modelo de riscos proporcionais de Cox (1972). Uma das razões desse modelo ter se tornado tão popular é o seu poder interpretativo e a facilidade com que as dificuldades técnicas oriundas das censuras foram contornadas. Naturalmente, a construção do modelo permite que as covariáveis sejam relacionadas com o risco de falha, de modo que influenciam no nível do risco para diferentes subgrupos. Contudo a experiência mostra que existem dados que não podem ser acomodados pelo modelo de Cox. Este fato tem sido determinante no desenvolvimento de vários tipos de modelos de risco não proporcionais. Entre eles podemos citar o modelo de falha acelerado (Prentice, 1978). O Modelo de risco híbrido (Etezadi-Amoli e Ciamp, 1987) e os modelos de risco híbridos generalizados (Louzada-Neto,1999). Neste contexto, MacKenzie (1996) propôs uma nova família paramétrica de modelo de risco não-proporcional intitulado modelo de risco logístico generalizado dependente do tempo (Generalized time-dependent logistic model-GTDL). Este projeto tem por objetivo geral discutir o modelo de sobrevivência com fração de cura considerando a modelagem de risco proporcional e não proporcional, enquanto a heterogeneidade não observada entre os riscos dos pacientes é modelada através de um fator aleatório denominado termo de fragilidade. Vamos considerar o tradicional modelo de risco proporcional de Cox (Cox, 1972) e o modelo proposto por MacKenzie (1996) baseado na generalização da familiar função de risco logística considerando uma forma dependente do tempo que permite uma interpretação de fragilidade quando se tem uma população homogênea denominado Modelo de risco logístico generalizado dependente do tempo (GTDL). O desenvolvimento deste projeto de pesquisa científica permitirá relevantes avanços no desenvolvimento da modelagem estatística. Entre estes avanços podemos citar o desenvolvimento de uma nova metodologia para análise de dados de sobrevivência de longa duração (Modelo de Risco não proporcional com fração de cura). (AU)