Resumen

Los métodos de análisis de supervivencia se ocupan de un tipo de datos, que es el tiempo de espera hasta la ocurrencia de un evento. Un método común para analizar este tipo de datos es la regresión de Cox. A veces, las suposiciones subyacentes del modelo no son ciertas, como la no proporcionalidad para el modelo de Cox. En la construcción del modelo, elegir un modelo apropiado depende de la complejidad y de las características de los datos que afectan la idoneidad del modelo. Una estrategia que se utiliza con frecuencia en la actualidad es el modelo de red neuronal artificial (ANN), que requiere un mínimo de suposiciones. Este estudio tuvo como objetivo comparar las predicciones de los modelos ANN y Cox mediante conjuntos de datos simulados, en los cuales la tasa de censura promedio se consideró del 20% al 80% en ambos modelos simples y complejos. Todas las simulaciones y comparaciones se realizaron con R 2.14.1.

• Materias:Distribución generalizada Variable binaria Predicción bayesianas Inferencia bayesiana Parámetros de distribución
• Subjects:Generalized distribution Binary variable Bayesian prediction Bayesian Inference Distribution Parameters
• Palabras claves:Análisis de supervivencia; Tiempo de espera; Regresión de Cox; Suposiciones; Construcción de modelo; Red neuronal artificial
• Keywords:Survival analysis; Waiting time; Cox regression; Assumptions; Model building; Artificial neural network