Cuantificación de la recurrencia en modelos de estados múltiples usando un modelo multiplicativo de efectos aleatorios.
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
Los modelos de estados múltiples han demostrado ser de utilidad para el análisis de datos longitudinales, particularmente aquellos que involucran información acerca de la progresión de una enfermedad a través del tiempo.
En estos modelos se quiere evaluar la manera como los sujetos transitan de un estado a otro de cierta enfermedad a través de la estimación de las tasas de transición entre estados. Estas tasas se asumen usualmente como funciones constantes en el tiempo pero dependientes de algunas covariables asociadas con la enfermedad y su evolución. Una pregunta interesante es determinar de qué manera dichas covariables están relacionadas con el fenómeno de recurrencia en uno o varios estados no-absorbentes, es decir, como modelar la permanencia en un estado a través de la incorporación de covariables. El interés está en estimar las tasas de transición de manera que involucren los eventos recurrentes en uno o más estados, incorporando covariables asociadas con la enfermedad, rasgos latentes (o efectos aleatorios) y determinar el efecto que tienen dichas covariables sobre la estancia en un estado específico. Este último aspecto constituye uno de los aportes más importantes del trabajo. Para ello se estudiará un modelo del tipo Andersen-Gill, donde la componente sistemática contendrá no solo los efectos fijos asociados a las covariables de interés, sino también los efectos asociados con aquellas variables no-observables (considerados aleatorios). Algunas de las propuestas metodológicas involucran la linealización de las tasas de transición, la generación de las variables latentes a través de estimaciones previas usando modelos lineales generalizados. A través de un estudio de simulación se comparan diferentes metodologías de estimación de los parámetros involucrados en las tasas de transición (metodologías clásicas y bayesianas). Para ilustrar las metodologías implementadas se presenta una aplicación con datos reales. (Textos tomados de la fuente)
Abstract
Multistate models have proven useful for analyzing longitudinal data, particularly those involving information about disease progression over time. These models aim to evaluate how subjects transition from one state to another of a given disease by estimating transition rates between states. These rates are usually assumed to be constant functions over time but dependent on certain covariates associated with the disease and its progression. An interesting question is to determine how these covariates are related to the phenomenon of recurrence in one or more non-absorbing states, that is, how to model the permanence in a state by incorporating covariates. The interest lies in estimating transition rates in a way that involves recurrent events in one or more states, incorporating covariates associated with the disease, latent traits (or random effects), and determining the effect of these covariates on the length of stay in a specific state. This last aspect constitutes one of the most important contributions of this work. To this end, an Andersen-Gill model will be studied, where the systematic component will contain not only the fixed effects associated with the covariates of interest, but also the effects associated with non-observable variables (considered random). Some of the methodological proposals involve the linearization of transition rates, generating latent variables through prior estimates using generalized linear models. Through a simulation study, different methodologies for estimating the parameters involved in transition rates (classical and Bayesian methodologies) are compared. To illustrate the methodologies implemented, an application with real data is presented.
Descripción
ilustraciones