Publisher's Synopsis
I modelli di cura misti sono comunemente utilizzati per analizzare dati con sopravvissuti a lungo termine. D'altra parte, i modelli di fragilità consentono una stima accurata dei coefficienti controllando l'eterogeneità dei dati di sopravvivenza. Di solito, nei modelli di fragilità si utilizza la distribuzione gamma. Tuttavia, per i dati di sopravvivenza adatti a popolazioni con un tasso di guarigione, potrebbe essere meglio utilizzare una distribuzione discreta per la variabile casuale della fragilità piuttosto che una distribuzione continua. Pertanto, in questo libro abbiamo proposto due modelli. Nel primo modello si utilizza la distribuzione gamma, mentre nel secondo si applica la distribuzione iper-Poisson per la variabile casuale della fragilità. Inoltre, nei due modelli proposti sono state utilizzate rispettivamente l'inferenza bayesiana con la distribuzione di Weibull e la distribuzione di Weibull modificata generalizzata come distribuzione di base. In questo libro, abbiamo utilizzato i dati di pazienti affetti da cancro gastrico per mostrare l'applicazione di questi modelli nell'analisi di dati reali. I parametri e i coefficienti di regressione sono stati stimati utilizzando l'algoritmo di campionamento Metropolis within Gibbs. È stato inoltre utilizzato uno studio di simulazione per valutare le prestazioni delle stime bayesiane a conferma dei modelli proposti.
