Resumo: A modelagem de dados provenientes de estudos longitudinais destaca-se no cenário científico atual, principalmente nas áreas da Saúde e Ciências Biológicas, uma vez que é comum avaliar uma mesma unidade experimental em diferentes instantes, o que induz uma correlação entre as medidas. Faz-se necessária a modelagem da dependência intraunidade amostral por intermédio da escolha de uma estrutura de covariância que seja capaz de captar e acomodar a variabilidade dos dados. Contudo, o desconhecimento da metodologia para análise de dados correlacionados pode implicar na obtenção de resultados errôneos, os quais podem conduzir a conclusões equivocadas, bem como pode-se aumentar a ocorrência do erro tipo I e subestimar os erros-padrão das estimativas do modelo. Neste estudo, adotou-se um modelo misto gaussiano para variável resposta latência (tempo gasto para o animal encontrar o esconderijo verdadeiro) de um experimento que investiga o déficit de memória em animais submetidos à isquemia cerebral quando tratados com óleo de peixe, cuja estrutura de covariância para os efeitos aleatórios utilizada foi a não estruturada. Para a estimação dos parâmetros do modelo utilizou-se os métodos da máxima verossimilhança e máxima verossimilhança restrita. Com base no teste da razão de verossimilhança e critérios de informação foi adotada para os erros a matriz de covariância autorregressiva. As análises estatísticas residuais e de diagnóstico para o modelo foram satisfatórias, visto que os resultados obtidos corroboraram com as evidências biológicas, isto é, constatou-se a eficácia do tratamento para amenizar os efeitos cognitivos provocados pela isquemia cerebral
Abstract: The modeling of data from longitudinal studies stands out in the current scientific scenario, especially in the areas of Health and Life Sciences, since it is common to evaluate the same experimental unit at different times, which induces a correlation between measurements. Thus, the modeling of the intra unit dependency sample is required through the choice of a covariance structure that is able to receive and accommodate the variability in data. However, the lack of methodology for correlated data analysis may result in getting erroneous results, which can lead to erroneous conclusions, and it can also increase the occurrence of Type I error and underestimate the standard errors of the model estimates. In this study, we adopted a Gaussian mixed model for variable response latency ( the time it takes for the animals to find the real hideout) of an experiment investigating the memory deficits in animals subjected to cerebral ischemia when treated with fish oil, the structure of covariance for the random effects used was the unstructured one. To estimate the parameters of the model, we used the methods of maximum likelihood and restricted maximum likelihood. Based on the likelihood ratio test, information criteria and adjustments of models we adopted autoregressive covariance matrix for the errors. The residual statistics analysis and diagnosis for the model were satisfactory, since the obtained results corroborate with biological evidence, that is, it was found the effectiveness of treatment to alleviate the cognitive effects caused by cerebral ischemia |