16th Brazilian Meeting of Bayesian Statistics and VI Latin American Conference on Statistical Computing Proceedings

Com os avanços nos tratamentos médicos, é esperado um aumento na expectativa de vida dos pacientes submetidos a novos tratamentos. Diante dessa nova realidade, o campo da estatística tem buscado apresentar modelos cada vez mais flexíveis para explicar melhor esses resultados. A metodologia proposta neste trabalho é fundamentada em dados de sobrevivência inflacionados de zero para lidar com situações nas quais existem uma fração de curados e uma grande proporção de zeros. Nossa abordagem nos permite acomodar três tipos de ocorrências: pacientes com tempo de sobrevida zero (ocorrência antes e/ou início do estudo); indivíduos que são suscetíveis e os não suscetíveis ao evento de interesse. Ilustramos a relevância prática do modelo através de um estudo com mulheres grávidas diagnosticadas com diabetes mellitus gestacional (DMG) antes das 24 semanas de gestação durante o pré-natal no Hospital das Clínicas da Universidade de São Paulo, Brasil. Consideramos a abordagem Bayesiana para estimação dos parâmetros do modelo proposto, via método MCMC por meio do pacote R2OpenBUGS em R. Os resultados mostram que o modelo proposto foi capaz de explicar ou prever o tempo de sobrevivência, bem como a fração de curados e a proporção de falhas zero.