¿Cuál es el modelo más apropiado para analizar datos de sobrevivencia infantil en Bolivia?
Palabras clave:
Modelo de Cox, Modelos paramétricos, Modelo más apropiado para datos de sobrevivenciaResumen
El objetivo principal de este estudio es determinar cuál es el modelo más apropiado para analizar datos de sobrevivencia infantil en Bolivia. Además del modelo semiparamétrico de riesgos proporcionales de Cox, se evalúan tres modelos paramétricos: exponencial, Weibull y gamma generalizado. Para abordar el objetivo se comparan tres resultados: los coeficientes estimados a partir de los distintos modelos, la significancia de las covariables en términos del valor-p y el criterio de información de Akaike (AIC). Se concluye que el modelo Weibull es más apropiado que el modelo de Cox para analizar datos de sobrevivencia infantil en Bolivia, si bien ambos modelos conducen a resultados parecidos. También se recomienda contrastar siempre los resultados de los modelos paramétricos con los del modelo de Cox.
Descargas
Citas
Amin P. M., Hajizadeh E., Moghimi D. B., Safaee A., Abadi A. and Reza Z. M. (2007). Comparison of Cox Regression and Parametric Models for Survival of Patients with Gastric Carcinoma. Asian Pacific Journal of Cancer Prevention, Vol. 8:412-416. http://journal.waocp.org/article_24627_ebe3312e5286863e0b3f2b84277d66fb.pdf
Bradburn M.J., Clark T.G., Love S.B and Altman, D.G. (2003). Survival Analysis Part II: Multivariate Data Analysis – An Introduction to Concepts and Methods. British Journal of Cancer 89: 431 – 436.
Collett, D. (1994). Modelling Survival Data in Medical Research. Chapman Hall, London, U.K.
Cleves M., Gould W, and Marchenko Y. (2016). An Introduction to Survival Analysis. Stata Press, Revised Third Edition.
Coa R. y Ochoa L. (2008). Encuesta Nacional de Demografía y Salud 2008. Informe Final.
Cox, D.R. (1972). Regression Models and Life-Tables. Journal of the Royal Statistical Society, Series B 34: 187-220.
Cox, D.R. and Oakes, D. (1984). Analysis of Survival Data. Chapman Hall, London, U.K.
De Pascoa M., Ortega E. and Cordeiro G. (2011). The Kumaraswamy generalized gamma distribution with application in survival análisis. Statistical Methodology 8:411-433. https://web.stanford.edu/~lutian/coursepdf/reading-generalized-gamma.pdf
Efron B. (1977). The Eciency of Cox’s Likelihood Function for Censored Data. Journal of the American Statistical Association, Vol. 72:557 – 565. http://www.medicine.mcgill.ca/epidemiology/hanley/bios601/SurvivalAnalysis/Efron1977jasa.pdf
Elandt-johnson, R.C. and Johnson, N.L. (1980). Survival Models and Data Analysis. Wiley, New York
Hosseini T. S., Taghi A. S. (2017). Comparison of Cox Regression and Parametric Models: Application for Assessment of Survival of Pediatric Cases of Acute Leukemia in Southern Iran. Asian Pacific Journal of Cancer Prevention, Vol. 18(4):981-985. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5494248/
Kalbfleisch J. D., Prentice R. L. (2002). The Statistical Analysis of Failure Time Data. Wiley, New York.
Kleinbaum, D.G., Klein, M. (2012). Survival Analysis. Springer, 3ra Ed.
Kumar P., Vijay M. P, Vanita N., Amit J., Atanu B., (2016). Bayesian Accelerated Failure Time and its Application in Chemotherapy Drug Treatment Trial. Statistics in Transition New Series, Vol. 17, No. 4, pp. 671–690.
Nardi A. and Schemper M. (2003). Comparing Cox and Parametric Models in Clinical Studies. Statistics in Medicine, Vol. 22:3597-3610. https://cemsiis.meduniwien.ac.at/fileadmin/user_upload/_imported/fileadmin/msi_akim/CeMSIIS/KB/volltexte/Nardi_Schemper_2003_Statistics_in_Medicine.pdf
Oxford Spring School. (2007). An Introduction to Event History Analysis. https://spia.uga.edu/faculty_pages/rbakker/pols8501/OxfordTwoNotes.pdf
SAS/STAT 13.2. (2014). User´s Guide The Phreg Procedure. SAS Institute Inc.
Srividhya K. and Radhika A. (2019). Comparison of Different Parametric Modeling for Time-to-Event Data among Cancer Patients. International Journal of Scientific Research in Mathematical and Statistical Sciences Vol. 6:187-192. https://www.isroset.org/pub_paper/IJSRMSS/23-IJSRMSS-01716.pdf
Stevenson M. (2007). An Introduction to Survival Analysis. EpiCentre, IVABS, Massey University. http://www.biecek.pl/statystykaMedyczna/Stevenson_survival_analysis_195.721.pdf
Stata. (2019). Statistical Software. College Station, TX: StataCorp LLC.
Wang K., Liu X., Pan Y., Owusu D. and Xu C. (2022). Comparison of Cox Regression and Parametric Models for Survival Analysis of Genetic Variants in Hnf1b Gene Related to Age at Onset of Cancer. Journal of Data Science, Vol. 15: 423-442.
