Bayesian Inference in stochastic process to identify mortality attributed to sepsis (2024)
- Authors:
- Autor USP: EUGENIO, NICHOLAS WAGNER - IME
- Unidade: IME
- Sigla do Departamento: MAE
- DOI: 10.11606/T.45.2024.tde-12082024-083827
- Subjects: INFERÊNCIA BAYESIANA; PROCESSOS ESTOCÁSTICOS; CADEIAS DE MARKOV
- Keywords: Bayesian; Bayesiana; Cadeia de Markov não homogênea; Fração populacional atribuível; Non-homogeneous Markov chain; Population attributable fraction; Stochastic process
- Agências de fomento:
- Language: Inglês
- Abstract: Este trabalho apresenta uma abordagem inovadora para o cálculo de frações populacionais atribuíveis (PAF) e funções de risco atribuíveis (AHF) no contexto de processos estocásticos e cadeias de Markov não homogêneas, visando conciliar essa abordagem com a literatura existente. Ele começa discutindo o conceito, motivação e origem da PAF, destacando sua flexibilidade em diferentes desenhos de estudo no Capítulo 1. Um estudo em escala nacional, envolvendo mais de 3800 pacientes hospitalizados em 38 centros médicos, e relacionando a exposição à sepse ao longo de um período de hospitalização aos desfechos de morte e alta, serviu de motivação para o desenvolvimento da nova abordagem apresentada, conforme exposto no Capítulo 2. O Capítulo 3 fornece uma visão abrangente dos cálculos da PAF e AHF, incluindo variações dependentes do tempo. O Capítulo 4 explora a estimação bayesiana de probabilidades de transição em cadeias de Markov, abrangendo casos homogêneos e heterogêneos. Nossa proposta de Função de Risco Atribuível Adaptada (AAHF) é introduzida no Capítulo 5, incorporando fórmulas de taxa de falha de análise de riscos competitivos, teoria de cadeias de Markov discretas não homogêneas e análise de sobrevivência, de modo a se calcular métricas tanto para um específico conjunto de covariáveis (subpopulação) como medidas gerais. A nova abordagem proporciona a inferência sobre as probabilidades de transição entre os estados observados dos indivíduos e aplica as mesmas na construçãode taxas de falha de riscos competitivos que, por sua vez, estruturam a fórmula da AAHF para o desfecho estudado, no caso, a morte do paciente. Ainda, é inovadora no sentido de ser uma medida dinâmica ao longo do tempo, assim como os efeitos das covariáveis. O Capítulo 6 aplica a nova abordagem a um conjunto de dados filtrado do estudo motivacional, observando transições nos desfechos dos pacientes (alta e morte) e fatores de risco (sepse e não sepse) ao longo do tempo. Os resultados da AAHF média são apresentados. Finalmente, no Capítulo 7, temos as considerações finais do estudo que lança luz sobre o impacto tardio da sepse na mortalidade de pacientes hospitalizados. Inicialmente (dias 1-13), não há diferença significativa na mortalidade atribuível à exposição à sepse, sugerindo intervenções precoces eficazes ou pacientes de alto risco não identificados. Do dia 14 ao dia 17, emerge a mortalidade relacionada à sepse, com 1% atribuído à exposição à sepse, indicando piora dos efeitos com prolongamento da hospitalização. A partir do dia 18, a mortalidade atribuída à exposição à sepse aumenta para aproximadamente 2%, enfatizando a necessidade de monitoramento contínuo e gerenciamento agressivo da sepse em pacientes hospitalizados a longo prazo
- Imprenta:
- Data da defesa: 13.06.2024
- Este artigo NÃO possui versão em acesso aberto
-
Status: Nenhuma versão em acesso aberto identificada -
ABNT
EUGENIO, Nicholas Wagner. Bayesian Inference in stochastic process to identify mortality attributed to sepsis. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/45/45133/tde-12082024-083827/. Acesso em: 15 mar. 2026. -
APA
Eugenio, N. W. (2024). Bayesian Inference in stochastic process to identify mortality attributed to sepsis (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45133/tde-12082024-083827/ -
NLM
Eugenio NW. Bayesian Inference in stochastic process to identify mortality attributed to sepsis [Internet]. 2024 ;[citado 2026 mar. 15 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-12082024-083827/ -
Vancouver
Eugenio NW. Bayesian Inference in stochastic process to identify mortality attributed to sepsis [Internet]. 2024 ;[citado 2026 mar. 15 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-12082024-083827/ - Relatório de Análise Estatística sobre o Projeto “Influência da farmacogenômica na resposta de imunossupressores em receptores de transplante de fígado”
- CYP3A5 and POR gene polymorphisms as predictors of infection and graft rejection in post-liver transplant patients treated with tacrolimus - a cohort study
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
