- Prof. Natércia Durão – Universidade Portucalense
- FCUL (DEIO) – Campo Grande – Bloco C6 – Piso 4 – Sala 6.4.30 – 14h 30m
- Quarta-feira, 18 de Janeiro de 2006
Resumo: O problema da triagem (screening) embora seja relevante em muitas situações práticas de natureza diversa, tem interesse particular no domínio das ciências médicas. Neste seminário, vamos considerar a aplicação do método de screening ótimo, usando a metodologia preditiva bayesiana segundo o paradigma diagnóstico, a dois problemas específicos: ao problema do diagnóstico e a problemas de triagem para modelos de regressão linear e de regressão múltipla com interação. No problema do diagnóstico, o objetivo é identificar a categoria yde um indivíduo (y=1 se o indivíduo é um “sucesso” ou y=0 se não é) com base no seu vector característico x, resultante de um teste de diagnóstico simples e eficaz. Em associação com este problema e uma vez que as curvas ROC são muito utilizadas em medicina para a validação e comparação de testes de diagnóstico, construímos estas usando uma abordagem preditiva bayesiana segundo o paradigma diagnóstico. Paralelamente, do ponto de vista preditivo usando o paradigma diagnóstico, construímos uma curva semelhante à curva ROC, a curva ROCP, mas em que se contrapõem os valores preditivos, isto é, contrapõe-se a probabilidade preditiva de um indivíduo não selecionado pelo procedimento screening ser “sucesso” (1-vpn) com a probabilidade preditiva de um indivíduo selecionado pelo mesmo procedimento ser “sucesso” (vpp). Nos problemas de triagem para modelos de regressão linear e modelos de regressão múltipla com interação, o objetivo é determinar para que valores (x) da variável explicativa X (ou valores x das variáveis explicativas X), o valor (y) da variável resposta (Y) se situa acima ou abaixo de um nível aceitável. Para estes modelos, a relação entre a variável dependente (ou variável resposta) Y e a variável explicativa X (ou variáveis explicativas X ) é da forma: Y=X B+e, onde Y é o vetor das observações da variável dependente, X é a matriz das observações da variável explicativa, B é o vetor dos coeficientes de regressão e e é o vetor dos erros aleatórios. Palavras-chave: Metodologia Bayesiana, screening, regressão linear, regressão múltipla com interação, curvas ROC e ROCP.