Your browser doesn't support javascript.
loading
Show: 20 | 50 | 100
Results 1 - 1 de 1
Filter
Add filters








Year range
1.
Rio de Janeiro; s.n; 2011. xii,69 p. tab, graf.
Thesis in Portuguese | LILACS | ID: lil-616671

ABSTRACT

Taxa e risco são conceitos epidemiológicos "tão básicos" que, muitas vezes, são utilizados sem o necessário rigor conceitual. O resultado é uma falta de precisão na terminologia empregada na literatura, o que culmina com incorretas interpretações dos resultados. De maneira geral, os modelos de Cox e Poisson são empregados em estudos de coorte, sendo que a medida de efeito estimada é a razão de hazard ou razo de taxas de incidência. Embora essas sejam as aplica~ções para as quais tais modelos foram desenvolvidos, alguns autores os utilizam para estimar razão de prevalência em estudos transversais e o risco relativo em estudos de coorte. Estetrabalho se propõe a apresentar conceitos epidemiológicos básicos como a denição de taxa e risco e suas medidas de efeito (razão de taxa e razão de risco/risco relativo).Também foram explorados os modelos estatísticos que podem ser usados para estimar essas medidas e em que condições tais modelos estão estimando uma ou outra medida de efeito específica. Para exemplificar essas situções, trabalharemos com dadosx reais provenientes de coorte de pacientes acompanhados no Instituto de Pesquisa Clínica Evandro Chagas, Fiocruz e com dados simulados. Apresentaremos tamb em os comandos necess arios para a estimação desses modelos no programa estatístico R. Osresultados obtidos mostram que o uso dos modelos de Cox e Poisson são equivalentes quando o interesse é estimar o risco relativo. No entanto, quando o interesse está na estimação da razão da taxa de incidência , os dois modelos somente convergem para omesmo valor estimado quando a taxa de incidência puder ser considerada constante. Caso contrário, o modelo de Poisson estima a taxa de incidência média, enquanto que o modelo de Cox estima a taxa de incidência instantânea. Considerar um método robusto de ajuste de variância, ou usar o modelo quase-Poisson, foi essencial para construir intervalos de confianca mais adequados em situações onde as premissasfundamentais para aplicaçao dos modelos considerados não se mostraram válidas.


Subject(s)
Humans , Antiretroviral Therapy, Highly Active , HIV Infections , Opportunistic Infections , Cohort Studies , Incidence , Linear Models , Poisson Distribution , Survival Analysis
SELECTION OF CITATIONS
SEARCH DETAIL