SciELO - Scientific Electronic Library Online

 
vol.78 número2Aplicaciones de los modelos multinivel al análisis de medidas repetidas en estudios longitudinalesVolumen y tendencias de la dependencia asociada al envejecimiento en la población española índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

Compartilhar


Revista Española de Salud Pública

versão On-line ISSN 2173-9110versão impressa ISSN 1135-5727

Resumo

GONZALEZ, Juan R.  e  PENA, Edsel A.. Estimación no paramétrica de la función de supervivencia para datos con eventos recurrentes. Rev. Esp. Salud Publica [online]. 2004, vol.78, n.2, pp.189-199. ISSN 2173-9110.

Los eventos recurrentes cuando tratamos estudios de supervivencia, necesita utilizar una metodología distinta a la empleada en el análisis de supervivencia estándar. El principal problema que nos encontramos a la hora de realizar inferencia en este tipo de estudios es que las observaciones pueden no ser independientes. Así, si no tenemos en cuenta este hecho, se pueden obtener estimadores sesgados e ineficientes. En el caso de independencia, podemos usar la generalización del estimador límite del producto propuesto por Peña et al. (2001) para estimar la función de supervivencia de los tiempos de interocurrencias. Sin embargo para el modelo con tiempos correlacionados debemos utilizar otros modelos como el modelo de fragilidad (frailty model) o un estimador propuesto por Wang y Chang (1999) que contempla tanto el hecho que los tiempos estén o no correlacionados. El objetivo de este trabajo ha sido ilustrar estas aproximaciones con dos ejemplos basados en datos reales.

Palavras-chave : Análisis de supervivencia; Recurrencias; Estadistica no paramétrica; Readmisiones.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )

 

Creative Commons License Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons