Key points are not available for this paper at this time.
Algoritmos matriciais são apresentados que geram estimativas de taxas de sobrevivência de t anos para pacientes com doenças crônicas a partir de uma abordagem de dados categóricos. A mínima quadrados ponderada foi aplicada às estimativas resultantes para ajustar modelos lineares que, juntamente com a teoria de grandes amostras, fornecem um método direto e unificado para testar hipóteses de interesse. O uso sequencial de produtos cruzados e estruturas hierárquicas de maneira passo a passo é descrito em detalhe como uma abordagem descritiva útil para formular modelos eficientes. Esses resultados podem ser aplicados como base para "agrupar" combinações de achados clínicos em grupos indicativos do estágio da doença.
Koch et al. (Fri,) estudaram esta questão.