Examinando por Autor "Rocha de Medeiros, Rodrigo Matheus"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Efecto de la censura en modelos de fragilidad Gamma
    (Universidad de Córdoba, 2025-06-27) Florez Florez, Lenin Jose; Ramirez Montoya, Javier; Rocha de Medeiros, Rodrigo Matheus; Martínez Flórez, Guillermo Domingo; Brango Garcia, Hugo Alberto
    En análisis de sobrevivencia el modelo de fragilidad permite capturar la heterogeneidad no observada entre los individuos, la cual no puede ser explicada por las covariables observadas. Este modelo extiende el modelo de riesgos proporcionales de Cox al incluir un término adicional (llamado “fragilidad”) que capta las diferencias no observadas en los riesgos de falla entre individuos o grupos (Janssen y Duchateau, 2011). En este trabajo se considera el modelo de fragilidad univariada en que se asume que la distribución de la fragilidad corresponde a una distribución Gamma. Este modelo es útil porque puede abordar las variaciones entre sujetos en estudios de datos agrupados. También existen modelos de fragilidad inversa Gaussiana, Gompertz, Weibull entre otros. Este modelo de fragilidad Gamma posee propiedades algebraicas convenientes además de ser muy usada en la literatura. Por otro lado, el fenómeno de censura, puede afectar la estimación de estos modelos con imprecisiones debido a mucha censura. (Klein y Moeschberger, 2003). La estimación de parámetros en los modelos de fragilidad generalmente se realiza mediante métodos de máxima verosimilitud, aunque puede ser complicada debido a la presencia de términos no observados. La predicción de fragilidades individuales se convierte en un desafío en presencia de censura, ya que no siempre se pueden observar todos los eventos de interés. En este trabajo se analizan mediante simulación las estimaciones de los parámetros de regresión del modelo de fragilidad Gamma, frente al de Cox. Calculando los errores cuadraticos medios de las estimaciones bajo diferentes escenarios de censura y tamaños de muestra.
  • Miniatura
    PublicaciónAcceso abierto
    Efecto de la censura en modelos de regresión Weibull y regresión de Cox
    (Universidad de Córdoba, 2025-06-27) Yepes Ibarguen, Kevin Alejandro; Ramirez Montoya, Javier; Rocha de Medeiros, Rodrigo Matheus; Tovar-Falón, Roger; Martínez Flórez, Guillermo
    El análisis de supervivencia constituye una herramienta estadística esencial en estudios donde el tiempo hasta la ocurrencia de un evento resulta de interés. Este tipo de análisis se caracteriza por la presencia frecuente de datos censurados, lo que exige la aplicación de métodos especializados que permitan una estimación precisa y robusta de los parámetros del modelo. En este contexto, los modelos de regresión de Cox y Weibull se han consolidado como enfoques ampliamente utilizados. El modelo de Cox, de naturaleza semiparamétrica, no asume una forma específica para la función de riesgo, mientras que el modelo de Weibull, de carácter paramétrico, impone una estructura determinada para dicha función, permitiendo interpretar el comportamiento del riesgo a lo largo del tiempo. El presente trabajo tuvo como objetivo comparar el desempeño de estos dos modelos bajo diferentes combinaciones de tamaño de muestra y porcentaje de censura, mediante un diseño de simulación estadística. La simulación consideró escenarios con tamaños muestrales entre 20 y 1000 observaciones, y niveles de censura del 0%, 15%, 30% y 60%, evaluando métricas como el error cuadrático medio (ECM) y el sesgo de estimación del coeficiente de riesgo. Los resultados mostraron que el modelo de Cox presenta un mejor desempeño en condiciones de censura elevada y tamaños de muestra pequeños o moderados, mientras que el modelo de Weibull mejora su rendimiento conforme aumenta el tamaño de la muestra, aunque mantiene cierta sensibilidad frente a la pérdida de información por censura. El presente trabajo tuvo como objetivo comparar el desempeño de estos dos modelos bajo diferentes combinaciones de tamaño de muestra y porcentaje de censura, mediante un diseño de simulación estadística. La simulación consideró escenarios con tamaños muestrales entre 20 y 1000 observaciones, y niveles de censura del 0%, 15%, 30% y 60%, evaluando métricas como el error cuadrático medio (ECM) y el sesgo de estimación del coeficiente de riesgo. Los resultados mostraron que el modelo de Cox presenta un mejor desempeño en condiciones de censura elevada y tamaños de muestra pequeños o moderados, mientras que el modelo de Weibull mejora su rendimiento conforme aumenta el tamaño de la muestra, aunque mantiene cierta sensibilidad frente a la pérdida de información por censura.