Tutoriais
Tutorial 1 – 24/10 (08:00 – 10:00)
Introdução ao Aprendizado de Máquina para Análise de Sobrevivência
Devido aos recentes avanços em aprendizado de máquina, surgem novas oportunidades em como estimar a estrutura de associação entre os tempos de sobrevida e covariáveis por meio de técnicas mais flexíveis. Este tutorial visa abordar os conceitos teóricos dos métodos de aprendizado de máquina para análise de sobrevivência, em específico aos métodos de Random Survival Forest e Support Vector Censored Regression, bem como explorar exemplos reais utilizando a Linguagem R. Material confeccionado em trabalho conjunto com Agatha Rodrigues (UFES) e Raydonal Ospina (UFBA).
Tutorial 2 – 25/10 (08:00 – 10:00)
Joint modeling with INLAjoint
Modeling longitudinal and survival data jointly offers many advantages such as addressing measurement error and missing data in the longitudinal processes, understanding and quantifying the association between the longitudinal markers and the survival events, and predicting the risk of events based on the longitudinal markers. A joint model involves multiple submodels (one for each longitudinal/survival outcome) usually linked together through correlated or shared random effects. Their estimation is computationally expensive (particularly due to a multidimensional integration of the likelihood over the random effects distribution) so that inference methods become rapidly intractable, and restricts applications of joint models to a small number of longitudinal markers and/or random effects. R-INLA provides a fast and reliable inference technique for applying joint models to the complex multivariate data encountered in health research. In this tutorial we will show how complex joint models can be fit using the INLA methodology with the R library INLAjoint.
