Escolar Documentos
Profissional Documentos
Cultura Documentos
Volta Redonda
2014
apresentada
ao
Programa
de
Orientador:
Volta Redonda
2014
Dissertao
apresentada
ao
Programa
de
Aprovada por:
Agradecimentos
Agradeo a Deus por todas as obras realizadas em minha vida, por toda graa concedida e por toda fora que tem me dado para continuar essa rdua caminhada.
Agradeo tambm: minha famlia, em especial ao meu marido Rafael, pelo companheirismo, dedicao, amizade. Aos meus pais Pedro e Terezinha que, sem sombra de
dvida, so os melhores pais do mundo, obrigada por todo o amor, apoio, compreenso,
orgulho, amizade, torcida e conana na minha vitria.
acontecendo.
minha irm Juliete, aos meus sobrinhos e minha madrinha Eva por todo amor e
dedicao, perseverana e conana.
Ao meu amado Gigante por todas as horas de estudo que cou ao meu lado e por
sempre dedicar a mim um amor incondicional.
minha segunda me Helena por tudo que fez por mim.
passos na escada.
A meu sogro Lzaro e minha sogra Nilceia, por todo apoio.
Ao meu primo Jos Maria por todo apoio para que eu pudesse realizar este sonho.
Aos meus orientadores (as) Eliane, Gustavo e Vanessa por todo o apoio dado nos
momentos mais difceis e pela orientao espetacular, tornando este trabalho possvel.
Nenhuma palavra escrita aqui pode expressar minha gratido.
Ao Professor Lobo, meu Primeiro Professor no MCCT, por todos os ensinamentos,
orientaes e por tudo que fez por mim durante o tempo que estive no curso.
Ao Professor Tiago pela gentileza de doar o Template e por toda pacincia, ateno,
dedicao e apoio em todos momento que foi solicitado um pedido de ajuda.
Aos Professores, Wellington e Nirzi por toda pacincia e dedicao nas aulas de Mecnica Clssica e Equaes Diferenciais Parciais.
Agradecimentos
iv
Aos meus colegas, que conheci no MCCT por todo apoio, incentivo e carinho.
Ao meu amigo Jos Junior, pela nossa verdadeira amizade, pelos dados de entrada e
por tudo. Sem ele no poderia realizar este trabalho.
A meu amigo Hlio (in memoriam), pelo apoio e exemplo de vida.
Ao meu amigo Leonardo pelo incentivo, apoio, e por acreditar no meu potencial desde
o incio.
Aos meus amigos Cledinei e Olga, pelos momentos felizes e de angstia vividos em
Mecnica Clssica, por todo apoio no dia do Seminrio de Qualicao e por tudo que
zeram por mim.
A minha amiga Natalie, pela sinceridade, honestidade, parceria e por me corrigir em
todos os momentos necessrios e por tudo.
Aos meus amigos Marco Antnio, Marcus Vincius, Sueli, Ana Cludia e Fabiana por
todo apoio, incentivo, carinho e amizade.
Aos meus professores e colegas da Escola Municipal Paulo VI, do Centro Universitrio
Oswaldo Aranha (UNIFOA) e da Escola Estadual Marechal Souza Dantas. Em especial,
Geralda, Mrcia, Ana Augusta, Amanda, Rubens, Paulo Andr, Luciano, Raphael e
Glauco, pelo apoio e por me ajudarem a concretizar este sonho.
A Lidiane e Karine, pelo carinho, ateno, dedicao e pelo maravilhoso caf.
Ao Programa de Ps-Graduao (MCCT/UFF/CAPES) e a todos os Professores que
fazem parte do mesmo, por terem ajudado a tornar este sonho realidade.
A todos os demais que contriburam para a realizao deste trabalho. Em especial aos
que estiveram mais presentes em minha vida pessoal e prossional nos ltimos dois anos e
meio e aos que contriburam mais direta e efetivamente para a concretizao desta etapa
da minha vida, seja com uma aula, uma carta, uma conversa, uma ajuda, um abrao,
uma palavra ou um momento nico.
Resumo
Apesar dos avanos cientcos e tecnolgicos que a medicina vem sofrendo nos ltimos
anos, o cncer ainda um dos maiores problemas de sade pblica. Isto acontece tanto
no Brasil como em vrios outros pases. H vrios tipos de cncer que so classicados
conforme sua localizao inicial.
tem sua origem nas clulas gliais e no provocam metstase fora do crebro.
Modelos
matemticos que simulam os efeitos da terapia nas evolues de gliomas tm sido alvo de
estudos por se tratarem de tcnicas no invasivas. A anlise do conjunto de observaes
sobre o glioma permite a construo de modelos capazes de modelar a evoluo do tumor
sem expor a vida do paciente ao risco. Isto auxilia diretamente no tratamento do indivduo e, com isso poder-se- alcanar um resultado positivo na aplicao da radioterapia,
o qual reetir na sua qualidade de vida e na sua taxa de sobrevida.
Gliomas de alto
grau possuem uma combinao de rpido crescimento e invasibilidade o que acarreta uma
taxa de fatalidade em cerca de 100%. Contudo, no presente trabalho apresenta-se uma
abordagem por Sries Temporais via mtodo Suavizao Exponencial para modelar a taxa
de crescimento do glioma em resposta radioterapia. O estudo utiliza como dados de entrada os resultados numricos de um modelo contnuo baseado numa equao diferencial
parcial do tipo reativa difusiva. Os resultados encontrados, atravs da anlise das sries,
foram bem prximos aos encontrados nas anlises originais, com erro percentual mdio
absoluto de aproximadamente 2%. Onde conclui-se a eccia do estudo na escolha de um
tratamento adequado ao paciente.
Palavras-chaves: glioma, radioterapia, sries temporais, mtodo suavizao exponencial,
mtodo de holt.
Abstract
In spite of the scientic and technological progresses that the medicine is suering in the
past years, the cancer is still one of the largest problems of public health. This happens
so much in Brazil as wellas in several other countries. There are several cancer types that
are classied by the initial location accordingly. Mainly, the gliomas are cerebral tumors
that has its origin in the cells gliais and they don't provoke metstase out of the brain.
Mathematical models that simulate the eects of the therapy in the gliomas evolution
have been objective of studies because they deals with techniques non invasives.
The
analysis of the group of observations on the glioma allows the construction of models
capable to model the evolution of the tumor without exposing the life of the patient to
the risk. This aids directly in the individual's treatment and, with that it can be reached
a positive result in the application of the radiotherapy, which will contemplate in there
life quality and in there svrvival rates. Gliomas of high degree possess a combination of
fast growth and invasiveness that it carry a fatality rate 100 %. However, in the present
work it comes an approach for Temporary Series through the method of Exponential Suaviation to model the rate of growth of the glioma in response to the radiotherapy. The
study uses as input data the numeric results of a continuous model based on an diusion
reactiv partial dierential equation. The found results, through the analysis of the series
are very close to the found in the original analyses, with medium percentage absolute
error of approximately 2 %. Where the eectiveness of the present study is concluded in
the choice of an appropriate treatment to the patient.
keywords: glioma, radiotherapy, time series, exponential smoothing method, holt method.
Glossrio
MCCT
GBM
Glioblastoma Multiforme
d = d(x, t)
c = (x, t)
crebro
tempo
coeciente de difuso em
taxa de proliferao em
c(x, 0) = c0
condio inicial
n
c = 0
condio de contorno
NN
AN
AA
AM
AAN
MAN
ct
e tempo
t
e tempo
(cm2 /dia)
unidades/dia
Glossrio
viii
= ( + )
lt
bt
st
et
Pt+k
AIC
varincia residual
ACF
Funo de Autocorrelao
M AP E
Rt
Pt
ct
ct1
x0 = (l0 , b0 )
componente aleatrio
sequncia
at
rudo branco
DOT
dias de tratamento
BED
iid
BN CT
t, k
t
t
perodos frente
t
t
Sumrio
Lista de Figuras
xiii
Lista de Tabelas
xiv
1 Introduo
15
1.1
Contextualizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
1.2
17
1.3
Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
1.3.1
Objetivo geral
1.3.2
Objetivo Especco
1.3.3
1.4
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
2 Fundamentao Terica
2.1
18
18
19
19
22
Radioterapia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
2.1.1
. . . . . . . . .
23
2.2
24
2.3
Mtodos de previso
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.3.1
Mtodos Qualitativos . . . . . . . . . . . . . . . . . . . . . . . . . .
27
2.3.2
Mtodos Quantitativos . . . . . . . . . . . . . . . . . . . . . . . . .
27
2.4
Sries Temporais
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
2.4.1
31
2.4.2
33
Sumrio
2.5
2.6
x
2.4.3
. . . . . . . . . . . . . . . .
36
2.4.4
36
2.4.5
37
. . . . . . . . . . . . . . . .
38
2.5.1
. . . . . . . . . . . . . . . . . .
39
2.5.2
40
. . . . . . . . . . . . . . .
3 Metodologia
3.1
3.2
41
41
3.1.1
. . . . . . . . . . . . . . . . . . . . . . .
47
47
3.2.1
48
3.2.2
. . . . . . . . . . . . . . . .
51
3.2.2.1
51
3.2.2.2
Mtodo (A, A, N)
. . . . . . . . . . . . . . . . . . . . . .
52
3.2.2.3
Mtodo (M, A, N)
. . . . . . . . . . . . . . . . . . . . . .
53
3.2.2.4
53
3.2.2.5
54
. . . . . . . . . .
4 Resultados e Discusses
4.1
40
56
56
4.1.1
57
4.1.2
62
. . . . . . . . . . . . . . . . . . . . . . .
4.2
. . . . . . . . . . . . . . .
63
4.3
Comparaes
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
76
Sumrio
xi
5.1
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
5.2
Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
Referncias
78
Lista de Figuras
2.1
34
2.2
35
3.1
3.2
. . . . . . . . . . . . . . . . . .
. . . . . .
45
. . . . . . . . . . . .
46
3.3
49
3.4
50
4.1
58
4.2
59
4.3
60
4.4
61
4.5
66
4.6
68
4.7
Raio com valores reais e ajustados para o Caso 1: DOT = 1 dia de tratamento. 69
4.8
Raio com valores reais e ajustados para o Caso 2: DOT = 5 dias de trata-
. . . . . . . .
mento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.9
70
DOT = 35 dias de
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
4.10 Raio do Glioma com valores reais e ajustados para todos os casos estudados. 73
Lista de Tabelas
2.1
32
3.1
48
4.1
62
4.2
Parmetros
4.3
Parmetros
4.4
Parmetros
4.5
Parmetros
4.6
Comparao do Parmetro
4.7
. . . . .
. . .
63
64
. . . . . . . . .
65
. . . . . . . . .
65
. . .
67
. . . . . . . . . . . . . . . . . . . . . . . .
74
Captulo 1
Introduo
1.1
Contextualizao
No ano de 2012
ocorreram 14,1 milhes de casos novos de cncer e um total de 8,2 milhes de mortes, em
todo o mundo. Para o ano de 2030, estima-se que esses valores sero aproximadamente
21,4 milhes de casos novos e 13,2 milhes de mortes. O Brasil ter aproximadamente
576 mil casos novos de cncer estimados para este ano e para 2015 [1].
O cncer um nome universal que se d a um grupo de mais de 100 doenas diferentes,
que tm em comum o crescimento desordenado de clulas, s quais so classicadas em
malignas ou benignas, e que atacam tecidos e rgos vizinhos de qualquer parte do corpo
humano [2].
As causas que acarretam o desenvolvimento da doena so variadas e desconhecidas,
no entanto, acredita-se que fatores genticos, agentes contaminantes ambientais relacionados a novos estilos de vida, prolongamento da expectativa de vida humana e envelhecimento populacional podem contribuir para o desenvolvimento da doena [1, 2].
Os diversos tipos de cncer so classicados de acordo com a localizao primria do
tumor [2]. Em particular, os gliomas so tumores cerebrais primrios que recebem este
nome devido a sua origem ser nas clulas gliais, mas so incapazes de promover metstase
1.1 Contextualizao
15
Eles so classicados
de baixo a grau alto (IIV) malignidade que dependem das caractersticas histolgicas
especcas. Os tumores cerebrais de baixo grau, denominados grau I, possuem crescimento
lento e so considerados benignos; os de graus II so classicados como benignos, mas
pode existir recorrncia do tumor cerebral para um grau mais elevado.
Sendo assim,
12
100%.
10
alm dos trs anos, os gliomas ocorrem com mais frequncia em adultos na faixa etria
de
45
65
As formas de tratamento para o GBM dependem de uma srie de fatores, que incluem
sua localizao, tamanho, idade do paciente e seu estado geral. Atravs da cirurgia no
possvel curar o GBM, devido sua difuso prematura de clulas malignas.
Porm,
16
classicados em: modelos contnuos, que descrevem o tumor em sua forma macroscpica
e so descritos por equaes diferenciais ordinrias e parciais; modelos discretos, que descrevem o crescimento do tumor em nvel celular, como por exemplo, o modelo de Eden,
entre outros; e os modelos hbridos que buscam integrar os pontos fortes dos modelos contnuos e discretos [8, 10, 11]. Estes diferentes modelos so usados de forma complementar
como um bom exemplo da aplicao da matemtica a um fenmeno biolgico [3].
Este novo campo de pesquisa une especialistas de diversas reas num ambiente interdisciplinar para testar novos mtodos, ou seja, novas modelagens que possam contribuir
na compreenso e no planejamento do tratamento adequado para cada paciente.
1.3 Objetivos
17
Sendo
1.3
Objetivos
1.3.1
Objetivo geral
O objetivo do presente trabalho modelar a taxa do crescimento de glioma por Sries Temporais via Mtodo Suavizao Exponencial em resposta radioterapia, em um
determinado nvel de conana.
1.3.2
Objetivo Especco
18
Determinar ajustes com determinado nvel de conana dos dados originais simulados das concentraes de clulas do glioma;
Vericar o comportamento do raio em resposta aos esquemas estudados de fracionamento da dose de radioterapia para o planejamento adequado do tratamento para
o paciente;
1.4
A anlise de Sries Temporais pode ser um modelo alternativo que permite investigar
o crescimento futuro de clulas tumorais em resposta radioterapia. Neste sentido, poucos trabalhos podem ser encontrados na literatura. Foi feita uma pesquisa bibliogrca
em peridicos, obtendo-se poucas unidades de artigos com o uso de sries temporais para
modelar este fenmeno biolgico.
the time series of a selected gene expression prole in an agent-based tumor model"[17],
"Estimation of Cancer Deaths in Korea for the Upcoming Years"[18], "The international
19
Capabilities of pooled cross-
sectional time series methods"[19], "Forecasting age-related changes in breast cancer mortality among white and black US women: A functional data approach"[20] e "Prediction
of Recurrence in Patients with Cervical Cancer Using MARS and Classication"[21].
No presente trabalho, para obteno dos dados simulados, so utilizados os resultados
numricos da simulao feita em [15] via diferenas nitas, mas especicamente o mtodo
de Crank Nicolson.
obtidos para realizar a anlise via sries temporais, sero utilizados os modelos de suavizao exponencial, devido ao fato da taxa de proliferao do glioma ser dada por uma
lei exponencial, para fazer ajustes dos dados das concentraes de clulas tumorais em
resposta radioterapia. Alm disso, estes modelos apoiam-se apenas nos dados da prpria
srie para fazerem ajustes dos dados e previses, no necessitando de nenhuma varivel
independente, o que atende mais uma vez os dados simulados em anlise e, tambm, h
presena de tendncia crescente na concentrao de clulas do glioma, ou seja, dependendo do esquema de tratamento de radioterapia ou com apenas a evoluo do glioma
sem tratamento que segue um crescimento exponencial, faz necessrio o uso do modelo
de suavizao exponencial de Holt.
O presente trabalho est estruturado em 05 captulos, assim descritos:
20
Captulo 4 - apresenta uma anlise comparativa dos resultados obtidos com o mtodo
de Holt com erro aditivo (A, A, N) e com erro multiplicativo (M, A, N) para avaliar
sua ecincia e escolher o melhor mtodo mais apropriado aos casos em estudo. A
partir dos ajustes obtidos para as concentraes de clulas tumorais em resposta
radioterapia feito um grco "raio versus tempo".
Captulo 2
Fundamentao Terica
No presente captulo inicia-se com uma breve reviso sobre o surgimento da radioterapia e descrio dos casos de radioterapia, na Seo 2.1; descrio do modelo contnuo de
crescimento do glioma em resposta radioterapia, a partir da Seo 2.2; apresentam-se os
principais conceitos tericos e uma reviso da literatura de modelos de previso via sries
temporais. Dentre os mtodos de previso, os mtodos de Suavizao Exponencial so os
mais aprofundados, por serem utilizados no presente trabalho.
2.1 Radioterapia
O raio X foi descoberto em
de novembro de
1895
1896
contribuiu indiretamente
Em julho de
1898
1903,
Nobel de fsica.
por sua vez, levou descoberta das partculas elementares, os blocos de construo da
matria, bem como da radiatividade articial, descrita pela primeira vez em
1934
por
2.1 Radioterapia
22
sua lha, Irne Curie, e seu marido, Frdric Joliot. Nos anos seguintes, a radiatividade
forneceria um tratamento para o cncer (na forma de radioterapia) [7].
Entre
1920
1940,
limite em vrias fraes de dose era muito mais eciente que utilizar dose altas num nico
tratamento, pois proporcionavam uma qualidade de vida melhor ao paciente, alm de
reetir em sua taxa de sobrevida [22].
O objetivo da radioterapia erradicar todas as clulas tumorais com o menor dano
possvel s clulas normais prximas ao tumor.
envolvem o tumor justamente para que possa ser feita a regenerao da rea irradiada. A dose total pr-calculada de radiao determinada para o tratamento fracionada
em pequenas doses dirias, que baseia-se em fatores, como por exemplo, reoxigenao,
redistribuio, recrutamento, repopulao e regenerao, os quais inuenciam na radiossensibilidade celular e na recuperao do tecido sadio [7, 22].
A prescrio da dose e do fracionamento dependem de diversos fatores, como por
exemplo, pode-se citar o tamanho do tumor, regio anatmica, histologia, entre outros.
O planejamento do tratamento deve levar em conta ainda a histologia, as vias de disseminao, os efeitos colaterais, a idade e estado geral do paciente, o estgio da doena, entre
outros [7, 22].
61, 2 Gy + 5%,
60 Gy
1):
dia seguinte.
2):
4.2 Gy
de reforo administrada no
fraes de
12.2 Gy
23
3.2 Gy
admi-
3):
semana.
durante todos os dias da semana, preservando o nais de semana para descanso. No dia
posterior aps o m da terapia aplicado ao paciente a dose de reforo nos casos em que o
dia de tratamento menor do que 15 dias. Para o caso
durante a ltima semana de terapia, nunca excedendo o limite mximo de dose [16].
Tambm, feito o estudo para o caso sem fracionamento da dose de radioterapia, ou seja,
apenas com o crescimento do glioma no tempo.
em
(2.1)
24
onde:
c(x, t)
t
(crebro) e tempo
do domnio
t,
clula em
mm2 /dia
taxa de proliferao em
unidades/dia
d = d(x, t)
c0 = c(x, 0)
n.c = 0
e tempo
t,
a condio inicial,
em
a condio no contorno
(n.c = 0)
impede que
O modelo contnuo proposto por [16], descrito atravs da equao diferencial parcial
do tipo reativa difusiva 2.1, teve seu incio na dcada de
concluses de que os gliomas praticamente nunca fazem metstase para fora do crebro e
de que a proliferao do tumor assume a lei de crescimento exponencial ou de Gompertz
[24].
O glioma sem tratamento quanticado pelo modelo, equao 2.1, atravs dos parmetros dominantes (D e
).
dinmica do crescimento do glioma em resposta radioterapia e vericar os efeitos causados por essa modalidade teraputica. Este parmetro faz uso do modelo linear quadrtico,
representado pela equao 2.2, que calcula os efeitos causados pelo fracionamento da dose
utilizando dois parmetros ajustveis ( e
parmetros ajustveis ( e
de sobrevivncia das
efetiva (BED) [3].
),
25
(
(
)
d2 )
S , d(x, t) = eBED , BED = N d +
/
(2.2)
onde:
esto relacionados ao dano celular :um linear (), relacionado ao dano causado
)
R , d(x, t) =
0,
(
)
1 S , d(x, t) ,
para t
/ terapia
para t
(2.3)
terapia
(
)
R , d(x, t)
ser igual a
(
)
1 S , d(x, t)
26
Os mtodos
Mtodos Univariados:
ricos (sries temporais), ou seja, os dados histricos so utilizados como base para a
determinao de padres que podem se repetir no futuro. Estes mtodos subdividem
em [26, 27]:
27
Simples [28],
Holt [28],
Holt-Winters [28].
Mtodos Causais:
De modo que, verica-se que os modelos univariados via sries temporais baseiamse apenas nos dados histricos disponveis e sustentam que os padres passados iro se
repetir no futuro para realizar previses, enquanto os modelos causais via sries temporais
relacionam os dados histricos com outras variveis independentes [14]. Sendo assim, no
presente trabalho sero aplicados modelos de previso quantitativos com base nos dados
simulados numericamente e quanticados, mas especicamente os mtodos de suavizao
exponencial.
28
Nilo desenvolveu um teste para sries temporais de longa durao baseado em correlaes
entre as utuaes do rio descrevendo-as em termos de uma lei de potncia [31].
No ano de
1962,
com sries temporais sobre a distribuio das idades de morte no sculo XVII em Londres
[32].
No ano de
1983
X.
Entre
1749
1924,
Wolfer demonstra a srie do nmero mdio anual de manchas solares e, tambm, a partir
disso foram desenvolvidos diversos estudos da anlise de sries temporais [33, 34].
Ao longo do tempo, tiveram outros desenvolvimentos tcnicos na metodologia de sries
temporais. No ano de
1980,
mtodo para uma srie temporal constitudo de uma soma de componentes da regresso,
movimento Browniano, o qual recebeu o nome, ltro de Kalman, no ano de
1961
[34, 35].
Entretanto, o uso do ltro de Kalman ocorreu na dcada de 80. A partir disso, foram
desenvolvidos inmeras tcnicas de aplicao, como por exemplo, tratamento de valores
faltantes; no desenvolvimento de novos mtodos para extrao de sinal; para os mtodos
de suavizao exponencial e ajuste sazonal; entre outros [30, 34].
No sculo XX foram desenvolvidos muitos avanos importantes na anlise de sries
temporais, os quais podem ser vericados na literatura, principalmente na rea da previso. Sendo assim, a partir do ano de
1920
1927
com Yule ao aplicar um mtodo linear aos dados de manchas solares, denominando-o de
autoregressivo (AR) [30, 32, 34].
Uma srie de temporal um conjunto de observaes correlacionadas obtidas em
sucessivos intervalos de tempo. Entretanto, o parmetro tempo pode ser substitudo por
qualquer outro parmetro fsico, como espao, profundidade, por exemplo. Sendo assim,
uma srie temporal pode ser escrita como
descreve as
variveis de estudo,
em que
Ck
o conjunto dos
t1 , ..., tN ,
onde
29
Identicar as caractersticas que podem ser relevantes para o estudo da srie temporal em questo [14];
Utilizar um mtodo matemtico para fazer previses dos valores futuros da srie,
sendo que as previses podem ser a curto e longo prazo [14].
utiliza as
sries temporais para estimar o nmero e as tendncias das mortes por cncer na
Coria;
"The international performance of healthcare systems in population health: Capabilities of pooled cross-sectional time series methods"[19]
descreve a capacidade
30
da metodologia de sries temporais em dados agrupados para a comparao internacional do desempenho do sistema de sade da populao;
"Forecasting age-related changes in breast cancer mortality among white and black
US women: A functional data approach"[20]
funcionais em taxas de mortalidade por cncer de mama e por idade para cada grupo
de mulheres, este artigo realiza previses para a mortalidade usando os modelos de
suavizao exponencial via estado de espao com amortecimento;
as
1944,
uma mtodo simples, eciente e razoavelmente preciso para tratar as causas de utuaes e
realizar previses a partir do padro bsico identicado na srie temporal. Este mtodo foi
denominado suavizao exponencial simples e utilizado em dados contnuos. A princpio,
a idia era desenvolver um mtodo para o controle de disparos de msseis de submarino,
e posteriormente no incio da dcada de
50,
1950,
trabalhou em prol do desenvolvimento da metodologia de suavizao exponencial e publicou dois importantes livros da poca, o "Statistical Forecasting for Inventory Control"no
ano de
de
1959
1963
[14, 32].
Charles C. Holt apoiado pelo "Oce of Naval Research" desenvolvia mtodos de suavizao exponencial para tratar sries com tendncias e sazonalidades em paralelo aos
trabalhos de Brown [34]. O mtodo desenvolvido por Holt apenas atingiu ampla divulgao a partir do trabalho de Winters no ano de
1960,
dados empricos [34], considerando a sazonalidade nos dados, alm da tendncia. Desde
ento, o mtodo cou conhecido como mtodo de Holt-Winters [32].
Sendo, at hoje,
31
1985 [37].
e a sazonalidade [38].
No ano de 2003, Taylor modicou o trabalho de modo a considerar os modelos com
(Md ),
Sazonalidade
Nenhuma (N)
Aditiva (A)
Multiplicativa (M)
Nenhuma (N)
N, N
N, A
N, M
Aditiva (A)
A, N
A, A
A, M
Ad , N
Ad , A
Ad , M
Multiplicativa (M)
M, N
M, A
M, M
Md , N
Md , A
Md , M
Multiplicativa Amortecida
(Md )
A interpretao dos mtodos de previso, com base na Tabela 2.1 (Fonte: Adaptado
de [40]), deve ser realizada da seguinte forma:
32
para prever quantitativamente uma varivel e medir a qualidade dessa previso, os quais
tem sido um diferencial cada vez mais empregados para antecipar cenrios futuros [38].
Os casos de terapia em estudo incide fundamentalmente num problema de planejamento do tratamento adequado para o paciente, de forma individualizada, que envolve
decises de curto prazo, baseados em dados simulados numericamente e quanticados, por
isso foi dado um maior nfase aos mtodos quantitativos de previso, mas especicamente
os mtodos de suavizao exponencial, que melhor se adequam ao caso em estudo.
Os dados simulados para gerao da anlise via sries temporais em estudo compreendem dados com horizontes temporais dirios e apresentam apenas observaes das
concentraes de clulas tumorais (ct ) em resposta radioterapia para cada posio (x)
do glioma na regio do crebro, que permite desenvolver um modelo apoiado nos mtodos
de suavizao exponencial com facilidade de manusear e com uma preciso elevada de
dados ajustados.
Os modelos de suavizao exponencial em estudo no presente trabalho, so modelos
que nos fornecem previses sem erros signicativos, para horizontes de previses curtos,
cumprindo os objetivos quanto ao modelo a ser desenvolvido [14, 26]. Estes mtodos modelam os dados simulados de acordo com as componentes existentes nas sries temporais
estudadas. Portanto, feito um estudo dos tipos de componentes de uma srie temporal
(nvel, tendncia, sazonalidade e ciclo) e dos quatro principais mtodos de suavizao
exponencial que modelam todas essas componentes.
Os mtodos de suavizao exponencial partem de uma equao de mdias mveis,
ponderadas exponencialmente, com o objetivo de produzir ajustes nas variaes aleatrias
dos dados das sries temporais em estudo e so selecionados de acordo com as componentes
presentes nas sries temporais a serem analisadas. No qual aplicam um grupo de pesos
desiguais aos valores passados da srie temporal [41], onde tais pesos decaem de forma
exponencial da mais recente a mais distante observao [14, 26].
realizar previses utilizam apenas as observaes da prpria srie temporal sem depender
de nenhuma varivel independente e so reconhecidos como uma das ferramentas mais
empregadas na previso curto prazo de sries temporais [14, 26, 38].
33
seja mais adequado s sries temporais [14, 42]. Estas componentes podem ser [26, 43]:
Nvel:
Tendncia:
[14, 42].
Sazonalidade:
perodo de tempo (dias, semanas, meses ou estaes) [42, 43], ou seja, so movimentos repetitivos de um determinado padro que ocorre nas sries temporais em anos
sucessivos. Como por exemplo, pode-se armar que, no Brasil, em mdia as temperaturas no vero so mais altas do que no inverno em qualquer ano. Logo, as vendas
de sorvetes so menores no inverno do que no vero para todos os anos [34].
34
perodos de tempo (superiores a um ano) e que no podem ser previstas [26, 42].
Como por exemplo, podem ser vistas na gura 2.2: (a) e (b), a sazonalidade e o
cclico presente numa srie temporal.
Existem diversas combinaes para as quatro componentes descritas que tero como
resultado um padro de srie temporal que possa ser identicado e previsto atravs da
anlise de sries temporais. Aps remover as componentes de tendncia, sazonalidade e
cclicos da srie temporal o que resta denominado componente residual, o qual representa fatores aleatrios que possuem como caracterstica um processo estocstico, mas
especicamente rudo branco
(at ).
que apresente mdia zero, varincia constante e no correlao serial para cada valor
35
lt = ct + (1 )lt1
(2.4)
Pt+k = lt
(2.5)
onde
lt
do nvel,
ct
tumoral no momento
Pt+k
c,
t,
constante de suavizao
feita no perodo
para
parmetros de suavizao ( e
= ),
pois de acordo
com os trabalhos [40, 47, 39] essa mudana no altera os mtodos e permite encontrar
limites para os parmetros de suavizao, garantindo a estabilidade dos mtodos.
lt = ct + (1 )(lt1 + bt1 )
(2.6)
(2.7)
Pt+k = lt + kbt
(2.8)
36
bt1 ,
lt
lt1 .
A equao 2.7 atualiza a tendncia da srie, que expressa pela diferena entre os dois
ltimos valores suavizados. A equao 2.8 fornecer as previses dos dois termos lt e
feita no perodo t, para
bt
k perodos frente, calculados pelas equaes 2.6 e 2.7 [14, 44, 46].
O mtodo multiplicativo de
lt =
ct
stm
+ (1 )(lt1 + bt1 )
st
(2.10)
ct
+ (1 )stm
lt
(2.11)
(2.12)
st =
(2.9)
37
mensais e sazonalidade anual). Os demais termos so aqueles denidos nas equaes 2.6,
2.7 e 2.8 para o mtodo de Holt [14, 44, 46].
Neste mtodo, alm de calcular o nvel, a tendncia nas equaes 2.9 e 2.10 da srie
temporal, calcula-se valor da sazonalidade da srie
tando sua inuncia na previso 2.12.
st
nvel da srie no mtodo de Holt, j que o primeiro termo dividido por um componente
sazonal, eliminando assim a utuao sazonal de
ct .
equao da tendncia no mtodo de Holt. J a equao 2.11, faz um ajuste sazonal nas
observaes
ct
[26, 46].
(2.13)
(2.14)
st = (ct lt ) + (1 )stm
(2.15)
Pt+k = lt + bt k + stm+k
(2.16)
Nas equaes 2.13 a 2.16 todos os termos utilizados j foram anteriormente denidos.
Pode-se observar que a equao 2.14 idntica a equao 2.10. Nas demais equaes, a
nica diferena que o componente sazonal est efetuando operaes de soma e subtrao,
ao invs de multiplicar e dividir [14, 44, 46].
38
correlao (ACF) dos resduos e uma vericao atravs do Akaike Information Criterion
(AIC) para escolher o melhor mtodo, dentre os mtodos (A, A, N) e (M, A, N) e, assim
determinar se esses mtodos pr-escolhidos, de acordo com as componentes presentes nas
sries temporais analisadas, se ajustam de forma satisfatria.
mede a correlao entre dois valores adjacentes na srie, neste caso, dita autocorrelao
de
lag
mede a
k.
dos resduos pode ser descrito atravs da equao 2.17 [14, 44, 46].
Cov[et , et+k ]
E[(et e)(etk e)]
k =
=
var(et .var(etk ))
E[(et e)2 ]E[etk e)2
Na equao 2.17,
o coeciente de autocorrelao,
(2.17)
so os perodos de tempo,
pela equao 2.18, a diferena entre o valor real da srie temporal e seu valor previsto
e quanto menor for este erro de previso mais prximo as previses estaro dos dados
originais [44, 46].
et = (ct ct1 )
Na equao 2.18,
et
signica o erro,
ct
o valor real e o
(2.18)
ct1
o valor previsto.
50
observaes da
N/4,
onde
o nmero total de observaes na srie temporal [44, 46]. A soluo da equao 2.17
TM
[48].
39
AIC = L (, x0 ) + 2p
Na equao 2.19,
milhana,
= .
= ( + )
(2.19)
a verossi-
x0 = (l0 , b0 )
c [49].
eletrnica do Software NNQ-Estatstica
n |R P |
t
t
Rt
M AP E = t=1
N
Na equao 2.20,
Pt
Rt
(2.20)
t,
representa
Captulo 3
Metodologia
Entretanto, isso no
Por
41
= 0.0264/dia, = 0.0036, / = 10
L = 200 mm
D = 0.0039 mm/dia,
e 2.4.
A partir disso, obtido uma soluo de concentrao de clulas tumorais em funo
do tempo para quatro casos de terapia que sero modelados via sries temporais com a
nalidade de realizar ajustes da taxa do crescimento de clulas tumorais por meio de um
modelo de previso. Sero analisados as simulaes feitas para 3 casos de fracionamentos
da dose limite de radioterapia para o tratamento do glioma baseados em protocolos reais
do Centro Mdico da Universidade de Washington descritos em [16].
61.2 Gy + 5%
no mximo. Mas
tambm, ser feita a anlise do caso sem terapia. Estes casos de terapia foram descritos
no Captulo 2.
A equao 2.1 foi escrita em sua forma adimensional, com a nalidade de torn-la
mais simples e diminuir o nmero de parmetros.
variveis adimensionais
x [0, 1],
x = x/L, t = t
o domnio temporal
t [0, tf ]
c = (cL3 )/c0
foi transformado em
t [0, tf ]
e cada termo da
Termo temporal
Termo difusivo
c
c t
c
c0 c
=
= = 3 ,
t
L t
t t
t
c
c x
1 c
=
=
x
x x
L x
2c
1 2c
c0 2 c
=
=
x2
L2 x2
L5 x2
(3.1)
(3.2)
Assim, a equao 2.1, pode ser escrita como visto na equao 3.3.
c
D 2c
=
+ (1 R(, d(x, t)))c.
L2 x2
t
(3.3)
Portanto, o modelo adimensional de [16] pode ser escrito na forma da equao 3.4.
c
2c
= D 2 R (, d(x, t))c,
x
t
(3.4)
42
(
)
R , d(x, t)
(
)
R , d(x, t) =
com
D =
1,
1 S , d(x, t)
,
1 +
para
t
/ terapia ,
para
terapia
(3.5)
D
.
L2
A condio inicial do modelo de [16] foi assumida de forma a existir uma concentrao
inicial de clulas tumorais, dada da pela equao 3.6:
c(x, 0) = L3 e100x
(3.6)
n. c = 0
(3.7)
tf inal tinicial
).
K
sees (x
xf inal xinicial
)
M
e o temporal em
intervalos
k+1
c
C
Ci
= i
t
t
(avanada no tempo),
2c
C i+1 2C i + C i1
2 =
x
x2
(centrada de 2
a ordem),
(3.8)
(3.9)
43
3C 1 + 4C 2 C 3
c
=
x
2x
em
c
3C M +1 4C M + C M 1
=
x
2x
x=0
em
a ordem),
(3.10)
(avanada de 2
x=1
a ordem).
(3.11)
(retrasada de 2
+ 1
e k ,
EDP adimensional
k+1
]
(
) k+1
D [ 2 k+1
2 k
C
+
(1
)
C
i
i R , d(x, t) C i
2
x
Ci
t
Ci
(3.12)
(
) k
(1 )R , d(x, t) C i ,
Condio de contorno
]
1 [
k+1
k
C i + (1 )C i = 0,
2x
onde
adiantada (x
parmetro
= 0)
= 1/2
C i = 3C i 4C i1 + C i2
tridiagonal,
para aproximao
= 1).
(3.13)
k+1
AX k+1 = bk ,
e
onde a matriz
um vetor dependente da
obter a soluo numrica do problema gerando uma matriz que contm as concentraes
tumorais dentro de um intervalo de 80 dias, o qual esto restringidos a um domnio espacial
unidimensional
x [0, L],
onde
44
(b) Caso 1:
Figura 3.1: Concentrao de clulas tumorais (Caso sem Terapia e Caso 1).
x [0, L]
do
observados ao longo de
45
x [0, L]
do
46
espacial unidimensional
x [0, L],
onde
c(x, t)
0 se
< 61, 26%
c0
raio(r) =
onde
c(x, t)
x se
61, 26%
c0
(3.14)
Por este
47
Dias
Caso 1
Caso 2
o de Fraes
Reforo (Gy)
60
4.2
12,2
3,2
Caso 3
35
35
1,8
Sem Terapia
A tabela 3.1 apresenta na primeira coluna os tipos de casos de radioterapia que sero
analisados para o tratamento do paciente, na segunda coluna o nmero de dias do tratamento, na terceira coluna a quantidade de fraes (nicas e dirias) da dose administrada
a cada dia da semana durante o tratamento do paciente de acordo com os dias do tratamento, na quarta coluna o valor de cada frao da dose, na quinta coluna o valor da frao
da dose de reforo. Porm, vale a pena lembra que os ns de semana so destinados para
o descanso do paciente e, por isso no h aplicao da terapia nesse intervalo. De modo
que o caso 3 no possui dose de reforo e todos os trs casos de fracionamentos de dose
descritas no presente trabalho no ultrapassam a dose limite denida pelo protocolo do
Centro Mdico de Washington.
Para cada caso feita a construo de um grco de linha com o auxlio do Software
Matlab
presentes nas sries temporais para determinar qual mtodo de suavizao exponencial
ser usado nos casos em estudo. Nas guras 3.3 e 3.4 apresenta-se as concentraes de
clulas do glioma durante um intervalo de
80 dias
Concentrao do Glioma
48
x 10
10
20
30
40
50
60
70
80
Tempo (dia)
Concentrao Caso 1
Concentrao do Glioma
x 10
3.5
3
2.5
2
1.5
1
0.5
0
10
20
30
40
50
60
70
80
Tempo (dia)
x = 0, 01 mm
ao
Concentrao do Glioma
14
49
x 10
12
10
10
20
30
40
50
60
70
80
Tempo (dia)
Concentrao Caso 3
Concentrao do Glioma
1.8
x 10
1.6
1.4
1.2
0.8
0.6
10
20
30
40
50
60
70
80
Tempo (dia)
x = 0, 01 mm
ao longo do
perodo de 80 dias.
Nas guras 3.3 e 3.4 observa-se uma tendncia exponencial sem sazonalidade em
nenhum perodo especco para as concentraes de clulas tumorais ao longo do perodo
de 80 dias. Outra anlise importante, que pode ser observada facilmente que no existem
dados com valores zero em nenhum perodo.
concentrao de clulas do glioma assumida pelo mtodo contnuo, equao 2.1, que deu
origem as sries temporais para todos os casos analisados no presente trabalho. Pois, se
houver dados iguais a zero no possvel detectar o tumor na regio do crebro atravs de
imagens de ressonncias magnticas. Foi vericado que este comportamento presente nas
guras 3.3 e 3.4 o mesmo para todas as sries temporais referente s posies observadas
dentro do intervalo analisado (x
[0, L],
onde
L = 200 mm
50
ocorre devido ao glioma ter uma proliferao () dada por uma lei exponencial, visto na
equao
2.1,
descrita no Captulo 2.
) para
realizar a modelagem dos dados simulados. A soluo das equaes do mtodo (A, A, N) e
c
(M, A, N) so obtidas com o auxlio da planilha eletrnica do Software NNQ-Estatstica
[49].
51
e 3.16.
(3.15)
(3.16)
A equao 3.15 conhecida como equao observvel, onde descreve a relao entre
o vetor de estado (no observado)
xt
t.
lt
ct .
e o valor observado
o nvel,
bt
st
se modica
a sazonalidade da srie
ct = (1 + et ),
com
r(xt1 ) =
et = (ct t )/t
[37, 40,
47]. Portanto, a partir disso dene-se o mtodo (A, A, N) com erros aditivos, tendncia
aditiva e nenhuma sazonalidade e o mtodo (M, A, N) refere-se a um mtodo com erro
multiplicativo, tendncia aditiva e no apresenta sazonalidade.
t = lt1 + bt1
t.
et = ct t
ct = lt1 + bt1 + et
(3.17)
lt = lt1 + bt1 + et
(3.18)
52
bt = bt1 + et
(3.19)
et = (ct t )/t
(3.20)
(3.21)
= ( + )
(x0
L (, x0 ) = N log
( N
)
e2t
+2
t=1
Considera-se
r(x 1) = t
et = ct t
= (l0 , b0 )),
log|r(xt1 )|
(3.22)
t=1
r(x 1) = 1
suavizao exponencial e
inicial (x0
= lt1 + bt1
et = (ct t )/t
53
t = 1, ..., 10
[40, 26,
37, 47];
l0
l0
t = 1, ..., 10.
b0
b0
Outra maneira simples, que pode ser utilizada adotar o ltimo valor observado na
srie temporal como l0 e calcular uma mdia de declividade das ltimas observaes para
b0 ,
pode-se utilizar uma regresso linear simples para o clculo de tais parmetros [25].
Enm, o parmetro ( ) e a previso inicial (x0 ) podem ter suas as estimativas obtidas
atravs da minimizao do erro quadrtico mdio, a um passo da previso, minimizandose a varincia residual
[14, 38].
c [49].
Software Excel NNQ-Estatstica
Existem diversas sugestes para restringir o espao dos parmetros
(nvel) e
0 1, 0
(3.23)
k z/2 k
(3.24)
zq
54
Para o mtodo (M,A,N) as distribuies de previso no normais, devido a no linearidade das equaes espao de estado. No entanto, pode-se utilizar o intervalo de previso
baseado na equao 3.24 para obter um valor aproximado [51]. A soluo da equao 3.24
c [49].
obtida com o auxlio da planilha eletrnica do Software Excel NNQ-Estatstica
Captulo 4
Resultados e Discusses
como os resultados dos ajustes das concentraes de clulas tumorais para obter o grco
do raio do glioma ao longo de 80 dias e analisar do tamanho do tumor em resposta
radioterapia e, assim, obter o planejamento mais adequado ao paciente, na Seo 4.3.
56
Se o valor de
e 1, 96/ N
1, 96
e + 1, 96/ N ,
onde N o nmero
e 1, 96/ N
e + 1, 96/ N
(estimativa da mdia
95%,
delimitado pela
57
A gura 4.1 apresenta a autocorrelao (ACF) dos resduos referente ao Caso sem
Terapia para o mtodo (A, A, N) e (M, A, N). No qual a regio delimitada pela linha em
vermelho representa um intervalo de conana de 95%. A autocorrelao para o Caso sem
Terapia foi utilizada para descrever a correlao entre dois valores residuais da mesma
srie temporal, em diferentes perodos de tempo. O coeciente de autocorrelao
a correlao entre observaes
mede
40
160
observaes da varivel
e,
k.
que representa
uma boa estimativa do coeciente de autocorrelao dos resduos para todos os casos
analisados no presente trabalho.
58
A gura 4.2 apresenta a autocorrelao (ACF) dos resduos referente ao Caso 1 para
o mtodo (A, A, N) e (M, A, N). No qual a regio delimitada pela linha em vermelho
representa um intervalo de conana de 95%.
lizada para descrever a correlao entre dois valores residuais da mesma srie temporal,
em diferentes perodos de tempo. O coeciente de autocorrelao
entre observaes
mede a correlao
160
observaes da varivel
40 autocorrelaes
e,
k.
As sries
59
A gura 4.3 apresenta a autocorrelao (ACF) dos resduos referente ao Caso 2 para
o mtodo (A, A, N) e (M, A, N). No qual a regio delimitada pela linha em vermelho
representa um intervalo de conana de 95%.
lizada para descrever a correlao entre dois valores residuais da mesma srie temporal,
em diferentes perodos de tempo. O coeciente de autocorrelao
entre observaes
mede a correlao
160
observaes da varivel
40 autocorrelaes
e,
k.
As sries
60
A gura 4.4 apresenta a autocorrelao (ACF) dos resduos referente ao Caso 3 para
o mtodo (A, A, N) e (M, A, N). No qual a regio delimitada pela linha em vermelho
representa um intervalo de conana de 95%.
lizada para descrever a correlao entre dois valores residuais da mesma srie temporal,
em diferentes perodos de tempo. O coeciente de autocorrelao
entre observaes
mede a correlao
160
observaes da varivel
40 autocorrelaes
e,
k.
As sries
61
casos que o mtodo (A, A, N) apresenta menor AIC em relao ao mtodo (M, A, N).
Tabela 4.1: AIC dos Mtodos (M, A, N) e (A, A, N) (Fonte: Prprio Autor).
Caso
AIC (mm)
Mtodo (A, A, N)
Mtodo (M, A, N)
sem terapia
5044, 561
5025, 578
5043, 305
4700, 272
6119, 082
5058, 357
5562, 079
4840, 821
1
2
3
Portanto, pode-se vericar que nos dois critrios de seleo considerados para os mtodos (A, A, N) e (M, A, N), critrios ACF e AIC, o mtodo (A, A, N) mostrou-se mais
adequado para realizar ajustes dos dados subsequentes, porque os resduos de autocorrelao se apresentam dentro do intervalo de conana de
95%
dos resduos e apresentou o menor resultado para o critrio (AIC). Por este motivo, ser
considerado no presente trabalho.
A partir dos testes estatsticos, pode-se concluir que ajuste que o modelo (A, A, N)
gerou considerado bom, sendo assim, possvel o uso dele para realizar os ajustes dos
prximos valores das concentraes de clulas tumorais.
Aps a realizao da seleo entre os mtodos (A, A, N) e (M, A, N) feita a modelagem da taxa de crescimento do glioma em resposta radioterapia com o mtodo (A, A,
N), atravs do parmetro
dos ajustes obtidos para as concentraes de clulas tumorais utilizados para a construo
62
dos mtodos de Holt com erro aditivo (A, A, N). Os dados simulados so
o
N da Serie Temporal
x [0, L].
x [0, L]
0, 01
0, 1
0, 2
0, 3
0, 4
0, 5
0, 6
0, 7
0, 8
0, 9
1
Posio
1
200
400
600
800
1000
1200
1400
1600
1800
2000
A tabela 4.2 apresenta os parmetros
Mtodo (A, A, N)
(mm)
0, 98
0, 98
0, 98
0, 98
0, 98
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
(mm)
0, 05
0, 05
0, 05
0, 05
0, 05
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
na primeira coluna a numerao das sries temporais, na segunda coluna a posio (x)
da srie temporal proporcional ao comprimento (L
= 200 mm),
na terceira o parmetro
( ) e, por m, na quarta coluna o parmetro ( ) para o caso sem terapia. Esta tabela
representa o caso sem terapia, ou seja, existe apenas o crescimento do glioma no tempo sem
nenhuma aplicao de fracionamento da dose de radioterapia. O parmetro
o nvel da srie temporal do glioma e o parmetro
acompanha
1 at a
800 apresentam variaes a partir da terceira casa decimal, podendo ser considerados
estatisticamente aproximados.
o
N da Serie Temporal
63
x [0, L]
0, 01
0, 1
0, 2
0, 3
0, 4
0, 5
0, 6
0, 7
0, 8
0, 9
1
Posio
1
200
400
600
800
1000
1200
1400
1600
1800
2000
Mtodo (A, A, N)
(mm)
0, 80
0, 80
0, 80
0, 80
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
(mm)
0, 02
0, 02
0, 02
0, 02
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
primeira coluna a numerao das sries temporais, na segunda coluna a posio (x) da srie temporal proporcional ao comprimento (L
= 200mm),
( ) e, por m, na quarta coluna o parmetro ( ) para o caso 1. Este caso representa o
fracionamento da dose de
60 Gy
4.2 Gy
de reforo admi-
61.2 Gy + 5%,
600,
sem terapia e com uma dose nica (Caso 1). Tambm, pode-se vericar uma alterao
nos valores do parmetro
tumorais do paciente.
64
o
N da Serie Temporal
x [0, L]
0, 01
0, 1
0, 2
0, 3
0, 4
0, 5
0, 6
0, 7
0, 8
0, 9
1
Posio
1
200
400
600
800
1000
1200
1400
1600
1800
2000
A tabela 4.4 apresenta os parmetros
Mtodo (A, A, N)
(mm)
0, 93
0, 93
0, 93
0, 93
0, 93
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
(mm)
0, 01
0, 01
0, 01
0, 01
0, 01
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
coluna a numerao das sries temporais, na segunda coluna sua posio (x) da srie
m, na quarta coluna o parmetro ( ) para o caso 2. Este caso representa o fracionamento
da dose em
fraes de
12.2 Gy
administrada diariamente e
3.2 Gy
administrado no
sexto dia como reforo. Verica-se na tabela 4.4 que essa modalidade teraputica h uma
reduo signicativa no parmetro
800.
Tabela 4.5: Parmetros
o
N da Serie Temporal
x [0, L]
0, 01
0, 1
0, 2
0, 3
0, 4
0, 5
0, 6
0, 7
0, 8
0, 9
1
Posio
1
200
400
600
800
1000
1200
1400
1600
1800
2000
Mtodo (A, A, N)
(mm)
0, 99
0, 99
0, 99
0, 99
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
(mm)
0, 03
0, 03
0, 03
0, 03
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
0, 20
primeira coluna a numerao das sries temporais, na segunda coluna a posio (x) proporcional ao comprimento (L
= 200 mm),
65
1.8 Gy
de cada semana. Verica-se que este caso apresenta uma tendncia ( ) mais prxima ao
da tabela 4.2 (Caso sem Terapia) e, tambm, apresenta valores maiores para o parmetro
se mantm estatisticamente
aproximado, isto pode ocorrer devido ao fato de todos os casos abordados no presente
trabalho representarem a evoluo do glioma em resposta radioterapia de um nico
paciente. Tambm, verica-se que os valores para o parmetro
800
aproximadamente para
da srie
nas tabelas 4.3 e 4.5, isso pode ser justicado atravs da gura 4.5 que
Concentrao do Glioma
[0, L]).
x 10
7
6
5
4
3
2
1
0
500
1000
1500
2000
2500
Tempo (dia)
Figura 4.5: Dados simulados para as Sries Temporais (Fonte: Prprio Autor).
Observa-se na gura 4.5 que cada posio (x) do glioma representa uma srie temporal, no qual os valores das concentraes de clulas tumorais em resposta radioterapia
iniciam-se com
ximos de zero.
8000000
sries temporais.
J o
decrescimento das clulas do glioma, a partir das sries temporais citadas verica-se que
os valores para os parmetros
1000
so aproximadamente
800
0, 2
66
Terapia.
Caso
(mm)
0, 05
0, 02
0, 01
0, 03
Sem Terapia
1
2
3
(mm)
64, 23 %
81, 29 %
26, 49 %
coluna o valor do parmetro ( ) para cada caso e na terceira coluna o decrscimo deste
Verica-se que o
64, 23 %
%) em relao
ao Caso sem Terapia. Para o Caso 3 pode-se vericar um decrscimo muito pequeno de
26, 49 %.
Com base na tabela 4.2 (Caso sem Terapia) pode-se analisar as tabelas 4.3 (Caso 1),
4.4 (Caso 2) e 4.5 (Caso 3) obtendo as seguintes concluses sobre o crescimento do glioma
em resposta radioterapia:
em
relao aos valores obtidos na tabela 4.2 e ao aplicar toda a dose limite em um nico
dia pode-se observar alteraes nos valores do parmetro
A tabela 4.4 (Caso 2) teve um resultado satisfatrio em relao as tabelas 4.2, 4.3 e
4.5, pois teve uma amortizao signicativa no parmetro
mantendo-o constante
durante vrias sries temporais, ou seja, para diversas posies (x) do glioma. Alm
disso, apresentou um maior decrscimo no tumor em relao ao Caso sem Terapia.
da tabela 4.2 e com valores maiores que os da tabela 4.3, alm de apresentar um
decrscimo inferior a 30%, aproximadamente, em relao ao Caso sem Terapia para
o crescimento do glioma.
4.3 Comparaes
67
4.3 Comparaes
Faz-se a anlise comparativa dos valores reais (simulados) utilizados como dados simulados para a anlise de sries temporais com os valores previstos obtidos no presente
trabalho com o mtodo de Holt com erro aditivo (A, A, N).
3.4
dados simulados
3.2
3
Raio (cm)
2.8
2.6
2.4
2.2
2
1.8
1.6
1.4
10
20
30
40
50
60
70
80
70
80
Tempo(dia)
3.4
3.2
dados ajustados
Raio (cm)
2.8
2.6
2.4
2.2
2
1.8
1.6
1.4
10
20
30
40
50
60
Tempo(dia)
Figura 4.6: Raio com valores reais e ajustados para o Caso sem Terapia.
A gura 4.6 apresenta dois grcos que descrevem a evoluo do raio do glioma sem
nenhum fracionamento de dose de radioterapia num perodo de observao de 80 dias,
sendo que o primeiro grco utiliza os valores reais das concentraes de clulas tumorais e
o segundo utiliza os ajustes feitos no presente trabalho. As guras 4.7, 4.8 e 4.9 relacionam
a evoluo do raio do glioma em resposta radioterapia em funo do tempo.
4.3 Comparaes
68
3
dados simulados
2.5
Raio (cm)
1.5
0.5
10
20
30
40
50
60
70
80
Tempo(dia)
3
dados ajustados
2.5
Raio (cm)
1.5
0.5
10
20
30
40
50
60
70
80
Tempo(dia)
Figura 4.7: Raio com valores reais e ajustados para o Caso 1: DOT = 1 dia de tratamento.
A gura 4.7 apresenta dois grcos que descrevem a evoluo do raio do glioma,
sendo que o primeiro grco utiliza os valores reais e o segundo utiliza os ajustes feitos
no presente trabalho, durante um perodo de observao de 80 dias, para o Caso 1.
No Caso
10
relativamente curto para que possa ser feito a recuperao do efeitos da radioterapia no
paciente e aplicao de uma nova etapa do tratamento.
Aps isso, o glioma volta a crescer exponencialmente. Isso pode ser observado, tambm, na tabela 4.3 com os valores de
4.3 Comparaes
69
danosa ao paciente, pois aplica-se uma alta dosagem de radioterapia em um nico dia
de tratamento, podendo gerar muitos danos ao paciente.
mento erradicar todas as clulas tumorais, com o menor dano possvel s clulas normais
adjacentes, custa das quais se far a regenerao da rea irradiada.
2
dados simulados
1.8
1.6
Raio (cm)
1.4
1.2
1
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
70
80
Tempo(dia)
1.8
1.6
Raio (cm)
1.4
1.2
1
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
70
80
Tempo(dia)
Figura 4.8: Raio com valores reais e ajustados para o Caso 2: DOT = 5 dias de tratamento.
A gura 4.8 apresenta dois grcos que descrevem a evoluo do raio do glioma,
sendo que o primeiro grco utiliza os valores reais e o segundo utiliza os ajustes feitos
no presente trabalho, durante um perodo de observao de 80 dias, para o Caso 2.
No Caso
proporcionar um perodo maior de tempo sem crescimento do glioma e, que tambm, pode
ser vericado na tabela 4.4 no qual o parmetro
temporais.
4.3 Comparaes
70
Nesse plano de tratamento o raio do glioma permanece prximo de zero, ou seja, sem
crescimento por mais de 40 dias, tempo suciente para a recuperao do paciente, dos
efeitos da radioterapia e para uma nova etapa do tratamento que pode ser, por exemplo,
uma cirurgia para a remoo total ou parcial da massa tumoral. Aps a cirurgia pode
ser aplicada uma quimioterapia ou at mesmo nova etapa de radioterapia, como um
tratamento adjuvante para eliminar as clulas residuais e evitar a recorrncia da doena.
2.3
dados simulados
2.2
2.1
Raio (cm)
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
10
20
30
40
50
60
70
80
Tempo(dia)
2.3
dados ajustados
2.2
2.1
Raio (cm)
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
10
20
30
40
50
60
70
80
Tempo(dia)
Figura 4.9: Raio com valores reais e ajustados para o Caso 3: DOT = 35 dias de tratamento.
A gura 4.9 apresenta dois grcos que descrevem a evoluo do raio do glioma,
sendo que o primeiro grco utiliza os valores reais e o segundo utiliza os ajustes feitos
no presente trabalho, durante um perodo de observao de 80 dias, para o Caso 3.
No Caso
4.3 Comparaes
71
glioma observado tanto na gura 4.9 quanto na tabela 4.5, ou seja, no existe uma reduo
signicativa do volume do tumor nem durante nem aps o tratamento.
Alm disso,
35
dias
e na tabela 4.2 observa-se que ao administrar toda a dose limite em um nico dia de
tratamento, como foi visto na gura 4.7, no apresenta resultados mais satisfatrios que
os casos onde a dose limite fracionada durante um determinado perodo de tempo,
pois a gura 4.7 apresenta o raio do tumor superior a todos os outros casos analisados.
Portanto, o Caso 2(4.8), que teve 5 fraes de
12.2 Gy
administrada diariamente e
3.2 Gy
administrada no sexto dia como reforo, apresenta a maior reduo no raio do glioma e
consegue manter o mesmo sem crescimento por um perodo de tempo maior em relao
aos casos 1 e 3, como pode ser visto nas guras 4.7, 4.8 e 4.9, se mostra a terapia mais
adequada ao paciente diante dos casos estudados.
Sendo assim, pode-se reunir todos os ajustes feitos no presente trabalho em uma nica
gura, denominada 4.10, que descreve a evoluo do raio do glioma para o mtodo (A, A,
N) para o Caso sem Terapia, Caso 1 (DOT
(DOT
= 35 dias)
= 1 dia),
Caso 2 (DOT
= 5 dias)
e o Caso 3
4.3 Comparaes
72
Raio do Glioma
3.5
Sem Terapia
DOT= 1 dia
DOT= 5 dias
DOT= 35 dias
raio (cm)
2.5
1.5
0.5
10
20
30
40
50
60
70
80
Tempo(dia)
Raio (cm)
2.5
1.5
0.5
10
20
30
40
50
60
70
80
Tempo(dia)
Figura 4.10: Raio do Glioma com valores reais e ajustados para todos os casos estudados.
Ao analisar a gura 4.10 observa-se o mtodo (A, A, N) bem ajustado aos dados
ocorridos e sua previso para todos os casos estudados se aproximam bastante dos valores
dos dados simulados das concentraes de clulas tumorais, com erros estatisticamente
pequenos para ambos os casos. Estes erros de ajuste existem pelo fato de que os ajustes
representam quase perfeitamente os dados simulados, por isso eles contm erros em algum
nvel. Para determinar os valores dos erros para os ajustes ser utilizado o Mean Absolute
Percentual Error (MAPE). No qual pode-se vericar que os resultados do mtodo (A, A,
N) geram bons ajustes sem erros muito signicativos, para horizontes de previso curtos,
cumprindo os objetivos quanto ao mtodo a ser desenvolvido e so apresentados na tabela
4.7.
4.3 Comparaes
73
Tabela 4.7: MAPE (Fonte: Prprio Autor).
Caso
Mape (%)
Mtodo (A, A, N)
sem terapia
1, 177313233
1, 971546301
2, 339927656
1, 025184058
1
2
3
A tabela 4.7 apresenta na primeira coluna os casos (sem terapia, 1, 2 e 3), na segunda
coluna os valores percentuais dos erros dos ajustes para cada caso.
Portanto, quanto
menor for o erro do ajuste mais prximo ser os valores ajustados das concentraes
do glioma aos valores dos dados simulados.
4.3 Comparaes
74
ambiente de contnua simulao de dados reais, que possibilita o teste de vrios mtodos
e a escolha daquele que apresenta os parmetros mais adequados para a simulao proposta. Alm disso, apropriada para qualquer tipo de dados, onde tais dados descritos no
presente trabalho se ajustaram bem abordagem dos mtodos de suavizao exponencial.
medida que possa ter acesso a um maior nmero de dados, como por exemplo,
dados histricos obtidos por tomograa computadorizada ou ressonncia magntica, levantamentos da histria clnica dos pacientes, resultados de exames fsicos minuciosos
que forneam dados histricos sobre a exposio a agentes cancergenos, sintomas e sinais
clnicos especcos e inespeccos, entre outros; podem ser construdos cenrios que necessitem mtodos mais robustos e teis na identicao da melhor alternativa de deciso
para o planejamento mais eciente ao paciente.
Captulo 5
Concluses e Trabalhos Futuros
5.1 Concluses
No presente trabalho, foram analisados dados simulados (dados originais) para gerao
das sries temporais buscando compreender o comportamento de crescimento do glioma
em resposta radioterapia num perodo de
80
O parmetro de tendncia ( ) do modelo de Suavizao Exponencial de Holt, representou o crescimento e/ou decrescimento do glioma em resposta radioterapia de forma
individual. Tornando assim, possvel o acompanhamento do desempenho da progresso
da doena para cada fracionamento da dose de radioterapia.
Atravs dos ajustes das concentraes de clulas tumorais foram construdos grcos
do raio do glioma, durante um intervalo de 80 dias para os casos estudados de esquemas
76
Este
Referncias
[1] Instituto Nacional de Cncer Jos Alencar Gomes da Silva (INCA).
Estima-
Referncias
78
Modelagem computa-
Elsevier Ireland
Prediction of recurrence in
patients with cervical cancer using mars and classication. International Journal of
Engineering materials 1:
An introduction to
edition, (1997).
[28] C. C. Holt.
Referncias
79
[31] W. Steeb. Non linear workbook. Master's thesis, World Scientic, 2001.
[32] J. L. Klein. Statistical visions in time: A history time series analysis. Cambridge:
matics, 2001.
[34] R. M. Esquivel. Anlise espectral singular: Modelagem de sries temporais atravs
de estudos comparativos usando diferentes estratgias de previso. Master's thesis,
SENAI CIMATEC, Brasil, 2012.
[35] S. L. Lauritzen. Time series analysis in 1880: a discussion of contributions made by
t. n. thiele. Internat. Statist. Review, pages 319331, 1981.
[36] C. Pegels. Exponential forecasting: Some new variations. Management Science, 15:
311315, 1969.
[37] R. J. Hyndman, A. B. Koehler, R. D. Snyder, and S. Grose. A state space framework
for automatic forecasting using exponential smoothing methods. International Jour-
produo industrial brasileira: uma anlise univariada. Pesq. Plan. Econ., 23:157
182, 1993.
[42] M. J. Liebel. Previso de receitas tributrias - o caso do icms no estado do paran.
Master's thesis, Escola de Engenharia Mestrado Prossionalizante em Engenharia
(Universidade Federal do Rio Grande do Sul), Porto Alegre, 2004.
[43] O. C. Matos. Econometria Bsica: Teoria e Aplicaes. 3 edition, 2000.
[44] G. E. P. Box, G. M. Jenkins, and G. C. Reinsell. Time Series Analysis: Forecasting
Master's thesis,
Referncias
80