12.07.2015 Views

Pruebas no paramétricas para comparar curvas de supervivencia ...

Pruebas no paramétricas para comparar curvas de supervivencia ...

Pruebas no paramétricas para comparar curvas de supervivencia ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

C. Martínez et al / Revista Ingeniería UC, Vol. 16, No. 3, diciembre 2009, 58-71 61Tabla 2: Estimadores <strong>no</strong> <strong>para</strong>métricos <strong>de</strong>l AS <strong>para</strong> eventos recurrentesEstimador tipo Estimador <strong>de</strong> S (t) Notación[ ]∏Kaplan–Meier1− N(s,∆w)Y(s,w)GPLEw≤t j[ ]∏Alshulerexp− N(s,∆w)Y(s,z)GEAlshw≤t j[ ]∏ Y(s,w)PrenticeY(s,w)+1GEPrenw≤t j[ ]∏ Y(s,w)+1−N(s,∆w)Prentice–MarekY(s,w)+1GEPrMaw≤t j[ ]∏ Y(s,w)+1−N(s,∆w) Y(s,w)An<strong>de</strong>rsen et alY(s,w)+1 Y(s,w)+1GEAn<strong>de</strong>w≤t j[ ]∏ Y(s,w)+1−N(s,∆w)Harris–AlbertY(s,w)+N(s,∆w)GEHaAlw≤t j[ ]∏ Y(s,w)Moreau et alY(s,w)+N(s,∆w)GEPrMow≤t j[ ]∏ Y(s,w)+1−N(s,∆w) Y(s,w)Hosmer–LemeshowY(s,w)+1 Y(s,w)+1GEHoLEw≤t j−13.1. Mo<strong>de</strong>lo <strong>de</strong> Wang y Chang (Mo<strong>de</strong>lo WC)Wang–Chang [3] propusieron un mo<strong>de</strong>lo <strong>de</strong> estimación<strong>de</strong> <strong>curvas</strong> <strong>de</strong> <strong>supervivencia</strong>s S <strong>para</strong> eventosrecurrentes que es aplicable tanto a casos don<strong>de</strong> existein<strong>de</strong>pen<strong>de</strong>ncia entre los tiempos entre ocurrenciascomo aquellas situaciones en presencia <strong>de</strong> datos correlacionados.El estimador propuesto por Wang–Chang(WC) es un estimador que se pue<strong>de</strong> <strong>de</strong>finir utilizandodos procesos <strong>de</strong> conteo, d ∗ (t) y R ∗ (t), d ∗ (t) representala suma total <strong>de</strong> las proporciones <strong>de</strong> tiempos <strong>de</strong> entreocurrencias iguales a t y R ∗ (t) representa el promedio<strong>de</strong> individuos que están en riesgo en el momento t. Demodo que (Ec. 13):Figura 1: Representación gráfica <strong>de</strong> la recurrencia <strong>de</strong> eventos en lai–ésima unidad <strong>de</strong> investigación3.2. mo<strong>de</strong>los <strong>de</strong> Peña, Straw<strong>de</strong>rman y Hollan<strong>de</strong>r(Mo<strong>de</strong>lo PHS)Peña et al. (2001) propusieron dos mo<strong>de</strong>los <strong>de</strong> <strong>supervivencia</strong><strong>para</strong> eventos recurrentes. U<strong>no</strong>, que generalizael estimador clásico <strong>de</strong> la curva <strong>de</strong> <strong>supervivencia</strong> <strong>de</strong>Kaplan–Meier a eventos recurrentes, útil <strong>para</strong> aquelloscasos don<strong>de</strong> existe in<strong>de</strong>pen<strong>de</strong>ncia entre los tiempos<strong>de</strong> interocurrencia, <strong>de</strong><strong>no</strong>tado como mo<strong>de</strong>lo GPLE <strong>de</strong>Peña et al. y otro mo<strong>de</strong>lo que consi<strong>de</strong>ra la fragilidado probabilidad <strong>de</strong> ocurrencia <strong>de</strong>l evento en la unidad<strong>de</strong> estudio. En esta propuesta los autores <strong>de</strong>finieron dosprocesos <strong>de</strong> conteo N e Y, que permiten realizar lasestimaciones <strong>de</strong> su mo<strong>de</strong>lo y diseñaron una herramientagráfica que permiten realizar estos proceso (Figura 2).Ŝ (t)=n∏∏i=1{ j:T i j ≤t}[1− d∗ (T i j )R ∗ (T i j )](13)Don<strong>de</strong>, T i j es el tiempo <strong>de</strong> interocurrencia <strong>de</strong>l j–ésimoevento en la i–ésima unidad <strong>de</strong> investigación, S i j es eltiempo calendario <strong>de</strong> la j–ésima ocurrencia <strong>de</strong>l eventoen la i–ésima unidad (Figura 1).Sí, S i0 = 0 y S i j = T i1 + T i2 +...+T iki , tal que,K i es el número <strong>de</strong> eventos que experimenta la i–ésimaunidad <strong>de</strong> investigación, K i = max{ j : S i j ≤τ i },τ i esel tiempo total <strong>de</strong> observación <strong>de</strong> la i–ésima unidad <strong>de</strong>investigación y n es el número total <strong>de</strong> ocurrencias <strong>de</strong>levento.Figura 2: Gráfica <strong>de</strong> la ocurrencia <strong>de</strong> un evento recurrente en unaunidadEn el caso <strong>de</strong> una única ocurrencia <strong>de</strong>l evento, losprocesos quedan <strong>de</strong>finidos por N e Y. Pero, <strong>para</strong> el caso<strong>de</strong> eventos recurrentes, es necesario <strong>de</strong>finir dos escalas<strong>de</strong> tiempo: un tiempo calendario S i j y un tiempo <strong>de</strong>interocurrencias T i j . El tiempo calendario S acumulaRevista Ingeniería UC

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!