Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos
ilustraciones, graficas, mapas
- Autores:
-
Morales Suarez, David Esteban
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/82020
- Palabra clave:
- 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
MODELOS LINEALES (ESTADISTICA)
Lineal models (statistics)
Datos de conteo
Modelos Lineales Generalizados de Efectos Mixtos
Datos influyentes
Dengue
Count data
Generalized Linear Mixed Effects Models
Influential data
Dengue
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| id |
UNACIONAL2_2b095ecd638fb31b7ef58287566d1b37 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/82020 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| dc.title.translated.eng.fl_str_mv |
Longitudinal modeling of dengue cases in Colombia, using mixed effects Poisson and ZIP counting models |
| title |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| spellingShingle |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas MODELOS LINEALES (ESTADISTICA) Lineal models (statistics) Datos de conteo Modelos Lineales Generalizados de Efectos Mixtos Datos influyentes Dengue Count data Generalized Linear Mixed Effects Models Influential data Dengue |
| title_short |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| title_full |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| title_fullStr |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| title_full_unstemmed |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| title_sort |
Modelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos |
| dc.creator.fl_str_mv |
Morales Suarez, David Esteban |
| dc.contributor.advisor.none.fl_str_mv |
Cepeda Cuervo, Edilberto |
| dc.contributor.author.none.fl_str_mv |
Morales Suarez, David Esteban |
| dc.subject.ddc.spa.fl_str_mv |
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas |
| topic |
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas MODELOS LINEALES (ESTADISTICA) Lineal models (statistics) Datos de conteo Modelos Lineales Generalizados de Efectos Mixtos Datos influyentes Dengue Count data Generalized Linear Mixed Effects Models Influential data Dengue |
| dc.subject.lemb.spa.fl_str_mv |
MODELOS LINEALES (ESTADISTICA) |
| dc.subject.lemb.eng.fl_str_mv |
Lineal models (statistics) |
| dc.subject.proposal.spa.fl_str_mv |
Datos de conteo Modelos Lineales Generalizados de Efectos Mixtos Datos influyentes Dengue |
| dc.subject.proposal.eng.fl_str_mv |
Count data Generalized Linear Mixed Effects Models Influential data Dengue |
| description |
ilustraciones, graficas, mapas |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-08-23T15:33:10Z |
| dc.date.available.none.fl_str_mv |
2022-08-23T15:33:10Z |
| dc.date.issued.none.fl_str_mv |
2022-08-03 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/82020 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/82020 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.indexed.spa.fl_str_mv |
RedCol LaReferencia |
| dc.relation.references.spa.fl_str_mv |
Breslow, N. (1984). Extra-Poisson variation in log-linear models. Applied Statistics, 33:38–44. Cameron, A. and Trivedi, P. (2013). Regression Analysis of Count Data. Cambridge: Cambridge University. Cassab, A., Morales, V., and Mattar, S. (2010). Factores climáticos y casos de Dengue en Montería, Colombia. 2003-2008. Revista de Salud Pública, 13(1):115–128. Castrillón, J., Castaño, J., and Urcuquí, S. (2015). Dengue en Colombia: diez años de evolución. Revista Chilena de Infectología, 32(2):142–149. Cepeda, E. (2011). Generalized spatio-temporal models. SORT-Statistics and Operations Research Transactions, 35(2):165–178. Crawley, M. (2013). The R book. John Wiley Sons. Dobbie, M. and Welsh, A. (2001). Theory & Methods: Modelling Correlated Zero-Inflated Count Data. Australian and New Zealand Journal of Statistics, 43:431–444. Días, L. and Morales, M. (2012). Análisis Estadístico de Datos Multivariados. Universidad Nacional de Colombia. Fitzmaurice, G., Laird, N., and Ware, J. (2011). Applied Longitudinal Analysis. Jhon Wiley and Sons. Genolini, C., Alacoque, X., Sentenac, M., and Arnaud, C. (2015). kml and kml3d: R Packages to Cluster Longitudinal Data. Journal of Statistical Software, 65(4):1–34. Gutierrez, H., Medina, S., Zapata, C., and Chua, J. (2020). Dengue Infections in Colombia: Epidemiological Trends of a Hyperendemic Country. Tropical Medicine and Infectious Disease, 5:156. Hall, D. (2000). Zero-Inflated Poisson and Binomial Regression with Random Effects: A Case Study. Biometrics, 56:1030–1039. Hartig, F. (2020). Dharma: residual diagnostics for hierarchical (multi-level/mixed) regression models. University of Regensburg. Hedeker, D. and Gibbons, R. (2006). Longitudinal Data Analysis. Wiley-Interscience. Heilbron, D. (1989). Generalized linear models for altered zero probabilities and overdispersion in count data. Technical report, Department of Epidemiology and Biostatistics, University of California, San Francisco. Hossain, S. and Howlader, H. (2015). Estimation Techniques for Regression Model with Zero-inflated Poisson Data. International Journal of Statistics and Probability, 4:64–76. Hur, K., Hedeker, D., Henderson, W., Khuri, S., and Daley, J. (2002). Modeling Clustered Count Data with Excess Zeros in Health Care Outcomes Research. Health Services & Outcomes Research Methodology, 3:5–20. King, G. (1989). Event Count Models for International Relations: Generalizations and Applications. Health Services & Outcomes Research Methodology, 33(2):123–147. Lambert, D. (1992). Zero-Inflated Poisson Regression, with an Application to Defects in Manufacturing. Technometric, 34(1):1–14. Lawless, J. (1987). Negative Binomial and Mixed Poisson Regression. Canad. J. Statist, 15:209–225. López, L., A, M., Olivar, G., and Betancourt, J. (2012). Modelo matemático para el control de la transmisión del Dengue. Revista de Salud Publica, 14(3):512–523. McCullagh, P. and Nelder, J. (1989). Generalized Linear Models. CRC press. Medina, Y. and Ramos, J. (2017). Modelo matemático que explica mejor la afectación e identifica el patrón relevante en la difusión para el dengue en la zona urbana del municipio de Neiva. Entornos, 30(2):121–131. Mendez, J., Usme-Ciro, J., Domingo, C., and et al (2012). Phylogenetic reconstruction of dengue virus type 2 in colombia. Virology Journal, 9:64. Min, Y. and Agresti, A. (2005). Random effect models for repeated measures of zero-inflated count data. Statistical Modelling, 5:1–19. Molenberghs, G. and Verbeke, G. (2005). Models for Discrete Longitudinal Data. Springer series in Statistics. Monod, A. (2014). Random Effects Modeling and the Zero-Inflated Poisson Distribution. Communications in Statistics—Theory and Methods, 43:664–680. Mullahy, J. (1986). Specification and testing of some modified count data models. Journal of Econometrics, 33(3):341–355. Nieuwenhuis, R., Grotenhuis, M., and Pelzer, B. (2012). influence.ME: Tools for Detecting Influential Data in Mixed Effects Models. The R Journal, 4(2):38–47. Ochoa, M., Casanova, M., and Díaz, M. (2015). Análisis sobre el dengue, su agente transmisor y estrategias de prevención y control. Revista Archivo Médico de Camagüey, 19(2):189–202. Pinheiro, J. and Bates, D. (1995). Approximations to the Log-Likelihood Function in the Nonlinear Mixed-Effects Model. Journal of Computational and Graphical Statistics, 4(1):12–35. Press, W., Teukolsky, S., Vetterling, W., and Flannery, B. (1992). Numerical Recipes in C: The art of scientific computing. Cambridge University Press (second ed.). Rose, C., Martin, S., Wannemuehler, K., and Plikaytis, B. (2013). On the Use of Zero-Inflated and Hurdle Models for Modeling Vaccine Adverse Event Count Data. Journal of Biopharmaceutical Statistics, 16:463–481. Rúa, G., Suarez, C., Chauca, J., Ventosilla, P., and Almanza, R. (2013). Modelado del efecto de la variabilidad climática local sobre la transmisión de dengue en Medellín (Colombia) mediante análisis de series temporales. Biomédica, 33(1):142–152. Siddiqui, O. (1996). Modeling clustered count and survival data with an application to a school based smoking prevention study. Tesis de doctorado, University of Illinois at Chicago. Simmons, C., Farrar, J., Chau, N., and Wills, M. (2012). Dengue. New England Journal of Medicine, 366(15):1423–1432. Snijders, T. and Bosker, R. (1999). Multilevel analysis, an itroduction to basic and advanced multilevel modelling. SAGE Publications. Velandia, M. and Castellanos, J. (2011). Virus del dengue: estructura y ciclo viral. Infectio, 15(1):33–43. Vélez, S., Núñez, C., and Ruiz, D. (2006). Hacia la construcción de un modelo de simulación de la transmisión del dengue en Colombia. Revista EIA, 5:22–43. Yau, K. and Lee, A. (2001). Zero-inflated Poisson regression with random effects to evaluate an occupational injury prevention programme. Statistics in Medicine, 20:2907–1920. Zhu, H., Luo, S., and DeSantis, S. (2015). Zero-inflated count models for longitudinal measurements with heterogeneous random effects. Statistical Methods in Medical Research, 0:1–16. Álvarez, A. and Vargas, R. (2019). Dengue: presentación e importancia de factor activación de plaquetas en la evolución de la fase crítica. Revista Médica Sinergia, 4(11):e294. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Reconocimiento 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Reconocimiento 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
x, 83 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Ciencias - Maestría en Ciencias - Estadística |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/82020/1/1015439042.2022.pdf https://repositorio.unal.edu.co/bitstream/unal/82020/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/82020/3/1015439042.2022.pdf.jpg |
| bitstream.checksum.fl_str_mv |
8f0291d6094d1429953fe62be9c176ab 8153f7789df02f0a4c9e079953658ab2 95eed6c603c3858ef9111b94b6b1f02f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089443714269184 |
| spelling |
Reconocimiento 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Cepeda Cuervo, Edilberto470419684ffee041f39de072d657cae1Morales Suarez, David Esteband563631761f6e8ce4daadbf2e4e32e482022-08-23T15:33:10Z2022-08-23T15:33:10Z2022-08-03https://repositorio.unal.edu.co/handle/unal/82020Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, graficas, mapasEn el presente trabajo de tesis de maestría se lleva a cabo la modelación de casos de dengue en Colombia por municipio mediante Modelos Lineales Generalizados de Efectos Mixtos (GLMM) aplicados a datos longitudinales. Partiendo de que la naturaleza de los datos son especificamente datos de conteo, se consideran los modelos de regresión Poisson, binomial negativo, Poisson inflado de ceros (ZIP) y binomial negativo inflado de ceros (ZINB) de efectos mixtos; para el ajuste de los modelos se tomaron 266 municipios del país que contaban con las siguientes variables explicativas: temperatura, precipitación, densidad poblacional e índice de calidad del agua (IRCA); dichos modelos se abordan desde una perspectiva clásica. Adicionalmente, se realiza el estudio de bondad de ajuste de estos modelos, su análisis de residuales así como el respectivo análisis de diagnóstico de influencia, teniendo presente que en este caso cada observación se encuentra anidada dentro de un municipio. Además, se clasifican los municipios en clústeres según la cantidad de casos acumulados siguiendo la metodología kml (k-means para datos longitudinales) presentando en cada clúster tendencias generales de los casos de dengue en el trascurso del tiempo respecto al rango que asumen las variables explicativas. Se encontró que el modelo que presentó el mejor ajuste es el modelo ZIP de efectos mixtos, las variables explicativas consideradas resultaron ser significativas en el modelo, esto es, ejercen un efecto sobre la cantidad de casos de dengue. (Texto tomado de la fuente)In this master's thesis, the modeling of dengue cases in Colombia by municipality is carried out using Generalized Linear Mixed Effects Models (GLMM) applied to longitudinal data. Assuming that the nature of the data is specifically counting data, the Poisson, negative binomial, zero-inflated Poisson (ZIP) and zero-inflated negative binomial (ZINB) regression models of mixed effects are considered; For the adjustment of the models, 266 municipalities of the country were taken into account that had the following explanatory variables: temperature, precipitation, population density and water quality index (IRCA); These models are approached from a classical perspective. Additionally, the goodness-of-fit study of these models, their residual analysis as well as the respective influence diagnostic analysis is carried out, bearing in mind that in this case each observation is nested within a municipality. In addition, the municipalities are classified into clusters according to the number of accumulated cases following the kml methodology (k-means for longitudinal data), presenting in each cluster general trends of dengue cases over time with respect to the range assumed by the explanatory variables. It was found that the model that presented the best fit is the ZIP model of mixed effects, the explanatory variables considered turned out to be significant in the model, that is, they exert an effect on the number of dengue cases.MaestríaMagíster en Ciencias - EstadísticaDatos Longitudinalesx, 83 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - EstadísticaDepartamento de EstadísticaFacultad de CienciasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasMODELOS LINEALES (ESTADISTICA)Lineal models (statistics)Datos de conteoModelos Lineales Generalizados de Efectos MixtosDatos influyentesDengueCount dataGeneralized Linear Mixed Effects ModelsInfluential dataDengueModelación longitudinal de casos de dengue en Colombia, mediante modelos de conteo Poisson y ZIP de efectos mixtosLongitudinal modeling of dengue cases in Colombia, using mixed effects Poisson and ZIP counting modelsTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMRedColLaReferenciaBreslow, N. (1984). Extra-Poisson variation in log-linear models. Applied Statistics, 33:38–44.Cameron, A. and Trivedi, P. (2013). Regression Analysis of Count Data. Cambridge: Cambridge University.Cassab, A., Morales, V., and Mattar, S. (2010). Factores climáticos y casos de Dengue en Montería, Colombia. 2003-2008. Revista de Salud Pública, 13(1):115–128.Castrillón, J., Castaño, J., and Urcuquí, S. (2015). Dengue en Colombia: diez años de evolución. Revista Chilena de Infectología, 32(2):142–149.Cepeda, E. (2011). Generalized spatio-temporal models. SORT-Statistics and Operations Research Transactions, 35(2):165–178.Crawley, M. (2013). The R book. John Wiley Sons.Dobbie, M. and Welsh, A. (2001). Theory & Methods: Modelling Correlated Zero-Inflated Count Data. Australian and New Zealand Journal of Statistics, 43:431–444.Días, L. and Morales, M. (2012). Análisis Estadístico de Datos Multivariados. Universidad Nacional de Colombia.Fitzmaurice, G., Laird, N., and Ware, J. (2011). Applied Longitudinal Analysis. Jhon Wiley and Sons.Genolini, C., Alacoque, X., Sentenac, M., and Arnaud, C. (2015). kml and kml3d: R Packages to Cluster Longitudinal Data. Journal of Statistical Software, 65(4):1–34.Gutierrez, H., Medina, S., Zapata, C., and Chua, J. (2020). Dengue Infections in Colombia: Epidemiological Trends of a Hyperendemic Country. Tropical Medicine and Infectious Disease, 5:156.Hall, D. (2000). Zero-Inflated Poisson and Binomial Regression with Random Effects: A Case Study. Biometrics, 56:1030–1039.Hartig, F. (2020). Dharma: residual diagnostics for hierarchical (multi-level/mixed) regression models. University of Regensburg.Hedeker, D. and Gibbons, R. (2006). Longitudinal Data Analysis. Wiley-Interscience.Heilbron, D. (1989). Generalized linear models for altered zero probabilities and overdispersion in count data. Technical report, Department of Epidemiology and Biostatistics, University of California, San Francisco.Hossain, S. and Howlader, H. (2015). Estimation Techniques for Regression Model with Zero-inflated Poisson Data. International Journal of Statistics and Probability, 4:64–76.Hur, K., Hedeker, D., Henderson, W., Khuri, S., and Daley, J. (2002). Modeling Clustered Count Data with Excess Zeros in Health Care Outcomes Research. Health Services & Outcomes Research Methodology, 3:5–20.King, G. (1989). Event Count Models for International Relations: Generalizations and Applications. Health Services & Outcomes Research Methodology, 33(2):123–147.Lambert, D. (1992). Zero-Inflated Poisson Regression, with an Application to Defects in Manufacturing. Technometric, 34(1):1–14.Lawless, J. (1987). Negative Binomial and Mixed Poisson Regression. Canad. J. Statist, 15:209–225.López, L., A, M., Olivar, G., and Betancourt, J. (2012). Modelo matemático para el control de la transmisión del Dengue. Revista de Salud Publica, 14(3):512–523.McCullagh, P. and Nelder, J. (1989). Generalized Linear Models. CRC press.Medina, Y. and Ramos, J. (2017). Modelo matemático que explica mejor la afectación e identifica el patrón relevante en la difusión para el dengue en la zona urbana del municipio de Neiva. Entornos, 30(2):121–131.Mendez, J., Usme-Ciro, J., Domingo, C., and et al (2012). Phylogenetic reconstruction of dengue virus type 2 in colombia. Virology Journal, 9:64.Min, Y. and Agresti, A. (2005). Random effect models for repeated measures of zero-inflated count data. Statistical Modelling, 5:1–19.Molenberghs, G. and Verbeke, G. (2005). Models for Discrete Longitudinal Data. Springer series in Statistics.Monod, A. (2014). Random Effects Modeling and the Zero-Inflated Poisson Distribution. Communications in Statistics—Theory and Methods, 43:664–680.Mullahy, J. (1986). Specification and testing of some modified count data models. Journal of Econometrics, 33(3):341–355.Nieuwenhuis, R., Grotenhuis, M., and Pelzer, B. (2012). influence.ME: Tools for Detecting Influential Data in Mixed Effects Models. The R Journal, 4(2):38–47.Ochoa, M., Casanova, M., and Díaz, M. (2015). Análisis sobre el dengue, su agente transmisor y estrategias de prevención y control. Revista Archivo Médico de Camagüey, 19(2):189–202.Pinheiro, J. and Bates, D. (1995). Approximations to the Log-Likelihood Function in the Nonlinear Mixed-Effects Model. Journal of Computational and Graphical Statistics, 4(1):12–35.Press, W., Teukolsky, S., Vetterling, W., and Flannery, B. (1992). Numerical Recipes in C: The art of scientific computing. Cambridge University Press (second ed.).Rose, C., Martin, S., Wannemuehler, K., and Plikaytis, B. (2013). On the Use of Zero-Inflated and Hurdle Models for Modeling Vaccine Adverse Event Count Data. Journal of Biopharmaceutical Statistics, 16:463–481.Rúa, G., Suarez, C., Chauca, J., Ventosilla, P., and Almanza, R. (2013). Modelado del efecto de la variabilidad climática local sobre la transmisión de dengue en Medellín (Colombia) mediante análisis de series temporales. Biomédica, 33(1):142–152.Siddiqui, O. (1996). Modeling clustered count and survival data with an application to a school based smoking prevention study. Tesis de doctorado, University of Illinois at Chicago.Simmons, C., Farrar, J., Chau, N., and Wills, M. (2012). Dengue. New England Journal of Medicine, 366(15):1423–1432.Snijders, T. and Bosker, R. (1999). Multilevel analysis, an itroduction to basic and advanced multilevel modelling. SAGE Publications.Velandia, M. and Castellanos, J. (2011). Virus del dengue: estructura y ciclo viral. Infectio, 15(1):33–43.Vélez, S., Núñez, C., and Ruiz, D. (2006). Hacia la construcción de un modelo de simulación de la transmisión del dengue en Colombia. Revista EIA, 5:22–43.Yau, K. and Lee, A. (2001). Zero-inflated Poisson regression with random effects to evaluate an occupational injury prevention programme. Statistics in Medicine, 20:2907–1920.Zhu, H., Luo, S., and DeSantis, S. (2015). Zero-inflated count models for longitudinal measurements with heterogeneous random effects. Statistical Methods in Medical Research, 0:1–16.Álvarez, A. and Vargas, R. (2019). Dengue: presentación e importancia de factor activación de plaquetas en la evolución de la fase crítica. Revista Médica Sinergia, 4(11):e294.EstudiantesInvestigadoresORIGINAL1015439042.2022.pdf1015439042.2022.pdfTesis de Maestría en Ciencias - Estadísticaapplication/pdf1626357https://repositorio.unal.edu.co/bitstream/unal/82020/1/1015439042.2022.pdf8f0291d6094d1429953fe62be9c176abMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/82020/2/license.txt8153f7789df02f0a4c9e079953658ab2MD52THUMBNAIL1015439042.2022.pdf.jpg1015439042.2022.pdf.jpgGenerated Thumbnailimage/jpeg4813https://repositorio.unal.edu.co/bitstream/unal/82020/3/1015439042.2022.pdf.jpg95eed6c603c3858ef9111b94b6b1f02fMD53unal/82020oai:repositorio.unal.edu.co:unal/820202024-08-09 23:20:37.601Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |