Gamma and Inverse Gaussian Frailty Models with Time-varying co-variates Based on Some Parametric Baseline Hazards Functions

Ignorer l'existence d'un terme de fragilite dans l'analyse des donnees de temps de survie, lorsque l'heterogeneite est presente, peut aboutir a des estimateurs de parametres moins precis avec des erreurs standard elevees. Dans l'analyse de survie, le modele des risques proportionnels de Cox est frequemment utilise pour mesurer les effets des covariables. Les covariables peuvent ne pas tenir pleinement compte des vraies differences de risque. Cela peut etre du a l'existence d'une autre variable de reponse qui n'est pas prise en compte dans le modele mais peut etre expliquee par un terme connu sous le labeli fragile. L'incorporation de la fragilite dans le modele evite ainsi la sous-estimation et la surestimation des parametres et mesure egalement correctement les effets des covariables sur la variable de reponse. Cet article presente des modeles de risques parametriques non proportionnels avec Weibull, Loglogistic et Gompertz comme distributions de base et Gamma et Gaussian inverse comme distribution de fragilite. La methode du maximum de vraisemblance est utilisee et la procedure est illustree par un exemple numerique et l'ajustement est compare a l'aide du critere d'information Akaike (AIC).