Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide

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. Por otra parte, los métodos bayesianos son útiles en situaciones de alta comple...

Full description

Autores:
Salazar U., Juan Carlos
Iral P., René
Correa M., Juan Carlos
Rojas V., Adriana
Anaya, Juan M.
Tipo de recurso:
Fecha de publicación:
2014
Institución:
Universidad Santo Tomás
Repositorio:
Universidad Santo Tomás
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/39607
Acceso en línea:
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484
http://hdl.handle.net/11634/39607
Palabra clave:
artritis reumatoide
métodos bayesianos
modelos de estados
muestreador de Gibbs
múltiples
tasas de transición
Rights
License
http://purl.org/coar/access_right/c_abf2
id SantoToma2_99e4d27d0e3420fd2a094cfe206a6265
oai_identifier_str oai:repository.usta.edu.co:11634/39607
network_acronym_str SantoToma2
network_name_str Universidad Santo Tomás
repository_id_str
spelling Salazar U., Juan CarlosIral P., RenéCorrea M., Juan CarlosRojas V., AdrianaAnaya, Juan M.2022-01-18T16:06:51Z2022-01-18T16:06:51Z2014-12-20https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/148410.15332/s2027-3355.2014.0002.06http://hdl.handle.net/11634/39607Los 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. Por otra parte, los métodos bayesianos son útiles en situaciones de alta complejidad cuando se usan técnicas como Monte Carlo Markov Chain. En este trabajo se implementa un método bayesiano basado en el muestreador de Gibbs con el fin de obtener las tasas de transición que gobiernan un modelo de tres estados con estructura markoviana de primer orden. Estas tasas de transición se vinculan con las covariables por medio de un modelo del tipo Andersen-Gill. De esta manera, la estimación óptima de los efectos de las covariables permitirá obtener mejores estimaciones de las tasas de transición. Esta técnica bayesiana se compara vía simulación con la técnica de estimación estudiada por Iral & Salazar (2007) y con un método basado en la discretización del soporte de la distribución posterior. Finalmente, estas técnicas de estimación se ilustran usando datos reales sobre pacientes colombianos con artritis reumatoide. Multi-state models have shown to be useful to analize longitudinal data, especially those involving information about the progression of a disease through time. On the other hand, bayesian methods are useful in highly complex situations where Monte Carlo Marco Chain based techniques are used. In this work, a bayesian method for obtaining the transition rates that govern a three state model with first orden markovian structure is implemented. These transition rates are linked to the covariates by means of a Andersen-Gill type model. In this way, the optimal estimation of the covariates effects will improve the estimated values of the transition rates. This bayesian technique based on the Gibbs sampler is compared, using a simulation study, both with a technique proposed by Iral and Salazar and a method based on the discretization of the domain of the posterior distribution. Finallly, these techniques are ilustrated using real data about Rheumatoid Arthritis collected in Colombian patients.application/pdftext/plainspaUniversidad Santo Tomáshttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484/1657https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484/3619Comunicaciones en Estadística; Vol. 7 Núm. 2 (2014)Comunicaciones en Estadística; Vol. 7 No. 2 (2014)2339-30762027-3355Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoideBayesian approach for obtaining the transition rates in a multi-state model. Application to Reumathoid Arthritis datainfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1artritis reumatoidemétodos bayesianosmodelos de estadosmuestreador de Gibbsmúltiplestasas de transiciónhttp://purl.org/coar/access_right/c_abf211634/39607oai:repository.usta.edu.co:11634/396072023-07-14 16:09:31.95metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
dc.title.alternative.eng.fl_str_mv Bayesian approach for obtaining the transition rates in a multi-state model. Application to Reumathoid Arthritis data
title Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
spellingShingle Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
artritis reumatoide
métodos bayesianos
modelos de estados
muestreador de Gibbs
múltiples
tasas de transición
title_short Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
title_full Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
title_fullStr Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
title_full_unstemmed Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
title_sort Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide
dc.creator.fl_str_mv Salazar U., Juan Carlos
Iral P., René
Correa M., Juan Carlos
Rojas V., Adriana
Anaya, Juan M.
dc.contributor.author.none.fl_str_mv Salazar U., Juan Carlos
Iral P., René
Correa M., Juan Carlos
Rojas V., Adriana
Anaya, Juan M.
dc.subject.proposal.spa.fl_str_mv artritis reumatoide
métodos bayesianos
modelos de estados
muestreador de Gibbs
múltiples
tasas de transición
topic artritis reumatoide
métodos bayesianos
modelos de estados
muestreador de Gibbs
múltiples
tasas de transición
description 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. Por otra parte, los métodos bayesianos son útiles en situaciones de alta complejidad cuando se usan técnicas como Monte Carlo Markov Chain. En este trabajo se implementa un método bayesiano basado en el muestreador de Gibbs con el fin de obtener las tasas de transición que gobiernan un modelo de tres estados con estructura markoviana de primer orden. Estas tasas de transición se vinculan con las covariables por medio de un modelo del tipo Andersen-Gill. De esta manera, la estimación óptima de los efectos de las covariables permitirá obtener mejores estimaciones de las tasas de transición. Esta técnica bayesiana se compara vía simulación con la técnica de estimación estudiada por Iral & Salazar (2007) y con un método basado en la discretización del soporte de la distribución posterior. Finalmente, estas técnicas de estimación se ilustran usando datos reales sobre pacientes colombianos con artritis reumatoide. 
publishDate 2014
dc.date.issued.none.fl_str_mv 2014-12-20
dc.date.accessioned.none.fl_str_mv 2022-01-18T16:06:51Z
dc.date.available.none.fl_str_mv 2022-01-18T16:06:51Z
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.none.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484
10.15332/s2027-3355.2014.0002.06
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/39607
url https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484
http://hdl.handle.net/11634/39607
identifier_str_mv 10.15332/s2027-3355.2014.0002.06
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484/1657
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1484/3619
dc.relation.citationissue.spa.fl_str_mv Comunicaciones en Estadística; Vol. 7 Núm. 2 (2014)
dc.relation.citationissue.eng.fl_str_mv Comunicaciones en Estadística; Vol. 7 No. 2 (2014)
dc.relation.citationissue.none.fl_str_mv 2339-3076
2027-3355
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
text/plain
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1800786404635049984