Publicação
Modelos lineares generalizados na análise de dados de saúde
| Resumo: | Ao longo dos séculos surgiram surtos e epidemias de doenças infeciosas que provocaram milhões de mortes. Atualmente, a nova doença COVID-19 derivada de um vírus (nomeado de SARS-CoV-2 pela Organização Mundial da Saúde (OMS)) já provocou no mundo inteiro, até ao momento, mais de 3 milhões de mortes. Para compreender melhor o comportamento desta nova doença tem sido desenvolvidos e analisados inúmeros processos de modelação, em particular na área de Modelos Lineares Generalizados. Os Modelos Lineares Generalizados tem vindo a ser amplamente utilizados nas mais diversas áreas de estudo, para a modelação de fenómenos. O objetivo principal do estabelecimento de modelos deste tipo e analisar a influência que as variáveis explicativas têm sobre uma variável de interesse (a variável resposta), cuja distribuição pertence à exponencial. O principal objetivo deste estudo e desenvolver modelos estatísticos, no contexto de Modelos Lineares Generalizados, para identificar os principais fatores associados à recuperação dos doentes contaminados com a COVID-19. Assim, numa primeira abordagem são estabelecidos modelos de Regressão Logística com o objetivo de se analisar o efeito de diferentes fatores na recuperação (ou não recuperação) de um doente com COVID-19. Os dados utilizados nesta abordagem referem-se a dados de Filipinas observados no mês de fevereiro do ano de 2020. Numa segunda abordagem pretendeu-se identificar fatores que influenciaram o número de doentes recuperados da COVID-19 estabelecendo Modelos de Regressão de Poisson. No entanto, os modelos desenvolvidos apresentaram o problema de sobredispersão, tornando-se necessário recorrer a Modelos de Regressão Binomial Negativa. Os modelos foram desenvolvidos com aplicação a um conjunto de dados relativos ao número de casos com COVID-19 registados em 130 países em agosto do ano de 2020. |
|---|---|
| Autores principais: | Fernando, Lúria Constância Cavalata |
| Assunto: | COVID-19 Modelos Lineares Generalizados Regressão Logística Modelo de Regressão de Poisson Modelo de Regressão Binomial Negativa Generalized Linear Models Logistic Regression Poisson Regression Models Negative Binomial Regression Models |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Ao longo dos séculos surgiram surtos e epidemias de doenças infeciosas que provocaram milhões de mortes. Atualmente, a nova doença COVID-19 derivada de um vírus (nomeado de SARS-CoV-2 pela Organização Mundial da Saúde (OMS)) já provocou no mundo inteiro, até ao momento, mais de 3 milhões de mortes. Para compreender melhor o comportamento desta nova doença tem sido desenvolvidos e analisados inúmeros processos de modelação, em particular na área de Modelos Lineares Generalizados. Os Modelos Lineares Generalizados tem vindo a ser amplamente utilizados nas mais diversas áreas de estudo, para a modelação de fenómenos. O objetivo principal do estabelecimento de modelos deste tipo e analisar a influência que as variáveis explicativas têm sobre uma variável de interesse (a variável resposta), cuja distribuição pertence à exponencial. O principal objetivo deste estudo e desenvolver modelos estatísticos, no contexto de Modelos Lineares Generalizados, para identificar os principais fatores associados à recuperação dos doentes contaminados com a COVID-19. Assim, numa primeira abordagem são estabelecidos modelos de Regressão Logística com o objetivo de se analisar o efeito de diferentes fatores na recuperação (ou não recuperação) de um doente com COVID-19. Os dados utilizados nesta abordagem referem-se a dados de Filipinas observados no mês de fevereiro do ano de 2020. Numa segunda abordagem pretendeu-se identificar fatores que influenciaram o número de doentes recuperados da COVID-19 estabelecendo Modelos de Regressão de Poisson. No entanto, os modelos desenvolvidos apresentaram o problema de sobredispersão, tornando-se necessário recorrer a Modelos de Regressão Binomial Negativa. Os modelos foram desenvolvidos com aplicação a um conjunto de dados relativos ao número de casos com COVID-19 registados em 130 países em agosto do ano de 2020. |
|---|