Descrição
Este estudo avaliou a sobrevivência de pacientes com câncer de pulmão no período de 2020 a 2024, abrangendo 8837 indivíduos, dos quais 53,6% foram censurados. O pré-processamento envolveu o cálculo do tempo de sobrevida em anos, a definição do status de censura, a categorização de variáveis sociodemográficas e clínicas, bem como o agrupamento dos tratamentos oncológicos. Inicialmente, a análise descritiva e as estimativas de Kaplan-Meier (KM) permitiram uma avaliação preliminar da sobrevida. Em seguida, foram ajustados modelos paramétricos clássicos (Exponencial, Weibull, Log-Normal, Gamma e Generalized Gamma), sendo o modelo Log-normal selecionado por apresentar menor AIC e pela não significância pelo TRV aplicado em relação à gama generalizada. O teste log-rank, considerando um nível de significância de 5% (α = 0,05), indicou diferenças estatisticamente significativas entre as categorias de sexo, escolaridade, estádio clínico, tipo de atendimento e grupo de tratamento. Dessa forma, essas variáveis foram consideradas como preditores importantes na análise univariada. A regressão de Cox com seleção stepwise AIC confirmou essas variáveis como preditores relevantes. Posteriormente, foi ajustado um modelo de fração de cura Log-Normal, o qual estimou que aproximadamente 8% da população pode ser considerada curada. Os resultados indicaram que estádios avançados estiveram associados a maior risco de óbito, enquanto sexo feminino, maior escolaridade, atendimento particular e tratamentos múltiplos representaram fatores protetores. A comparação visual entre curvas observadas (KM) e ajustadas evidenciou bom desempenho do modelo de fração de cura. Por fim, os resultados demonstram a aplicabilidade dessa abordagem para capturar a heterogeneidade na sobrevivência de pacientes com câncer de pulmão, complementando análises tradicionais de Kaplan-Meier e modelos de Cox.
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
