Modelos de regressão Log-Normal e Burr-XII aplicados a dados de sobrevivência de pacientes com COVID-19 no Distrito Federal - Atena EditoraAtena Editora

Artigo

Baixe agora

Livros

Modelos de regressão Log-Normal e Burr-XII aplicados a dados de sobrevivência de pacientes com COVID-19 no Distrito Federal

Baixar PDF
Este estudo tem por objetivo identificar fatores associados ao tempo de hospitalização até o óbito de pacientes internados por COVID-19 no sistema público de saúde do Distrito Federal, entre 2020 e 2023, utilizando técnicas de análise de sobrevivência paramétrica. Ao considerar o comportamento unimodal da função de risco, foram avaliadas, para modelar a variável tempo, as distribuições Log-Logística, Log-Normal, Inversa Gaussiana Reparametrizada, Burr-XII, Kumaraswamy-Log-Normal, Kumaraswamy-Log-Logística, Kumaraswamy-Inversa-Gaussiana-Reparametrizada e Kumaraswamy-Burr-XII. Os modelos finais, baseados nas distribuições Log-Normal e Burr-XII, incorporaram características clínicas e pessoais dos pacientes, indicando que idade, sexo, período de internação, valor total gasto e a interação entre período e gasto são fatores estatisticamente significativos. Os resultados evidenciam menor probabilidade de sobrevivência entre pacientes mais idosos e do sexo masculino. Além disso, observou-se que, no período pós-pandemia, maiores gastos hospitalares estão associados a maior probabilidade de sobrevivência em comparação ao período pandêmico. A qualidade do ajuste foi verificada por meio dos resíduos de Cox-Snell, e um estudo de simulação confirmou a consistência do método de estimação sob diferentes tamanhos amostrais e níveis de censura.
Ler mais

Modelos de regressão Log-Normal e Burr-XII aplicados a dados de sobrevivência de pacientes com COVID-19 no Distrito Federal

  • DOI: https://doi.org/10.22533/at.ed.8119112621013

  • Palavras-chave: Distribuição Burr-XII; Distribuição Log-Normal; Modelos de regressão; Dados censurados; COVID-19.

  • Keywords: Burr-XII distribution; Log-Normal distribution; Regression models; Censored data; COVID-19.

  • Abstract: This study aims to identify factors associated with the time of hospitalization until death among patients hospitalized with COVID-19 in the public healthcare system of the Federal District, Brazil, between 2020 and 2023, using parametric survival analysis techniques. Considering the unimodal behavior of the hazard function, the following distributions were evaluated to model the time variable: Log-Logistic, Log-Normal, Reparameterized Inverse Gaussian, Burr-XII, Kumaraswamy-Log-Normal, Kumaraswamy-Log-Logistic, KumaraswamyReparameterized Inverse Gaussian, and Kumaraswamy-Burr-XII. The final models, based on the Log-Normal and Burr-XII distributions, incorporated patients’ clinical and demographic characteristics, indicating that age, sex, hospitalization period, total hospitalization cost, and the interaction between period and cost were statistically significantfactors. The results revealed a lower probability of survival among older patients and male individuals. Furthermore, during the post-pandemic period, higher hospitalization expenditures were associated with a greater probability of survival when compared to the pandemic period. Model adequacy was assessed using Cox–Snell residuals, and a simulation study confirmed the consistency of the estimation method under different sample sizes and censoring levels.

  • Carolyne Soares de Brito
  • Juliana Betini Fachini Gomes
Fale conosco Whatsapp