Estimación no paramétrica para datos con eventos recurrentes

Abstract

Cuando se estudia el análisis de supervivencia generalmente lo hacemos para eventos que ocurren por única vez para cual es muy útil el estimador de Klapan Meier para estimar la función de supervivencia. Sin embargo, cuando tenemos el caso de eventos que ocurren varias veces para un mismo individuo u objeto necesitamos otros estimadores para la función de supervivencia, es ahí donde nacen nuevos conceptos para el análisis de supervivencia como por ejemplo, interocurrencia, tiempos correlacionados, modelos de fragilidad, etc. Para realizar inferencia en este tipo de estudio, debe tener cuidado con los tiempos de interocurrencia ya que muchas veces estos tiempos no son independientes, si no tenemos en cuenta este hecho, se pueden obtenerse estimadores sesgados e ineficientes. En el caso de independencia, podemos usar el Estimador General Limite de Producto (GPLE), por otra parte para modelos con tiempos correlacionados debemos utilizar otros estimadores como Wang-Chang (WC) y modelos de Gamma de Fragilidad (FRMLE). El objetivo que se persigue en este trabajo de investigación, es estimar la función de supervivencia a través de los estimadores no paramétricos para eventos que ocurren más de una vez. La aplicación de los estimadores en la base de datos de Complejo Migratorio Motor (CMM) que fue elaborado por Aalen y Husebye en 1991 y que actualmente se encuentra en la consola de R Project, en dicho base de datos se aplica los estimadores de Wang-Chang y Peña-Strawderman-Hollander de modo independiente, los resultados de ambas estimaciones son muy similares por lo que el método de análisis no afecta en los resultados siempre y cuando los tiempos de interocurrencias son independientes, en el caso de datos con tiempos correlacionados es recomendable sólo utilizar el estimador de Wang-Chang.