[EstudiantesMatemática]Curso de Posgrado “Modelos Conjuntos para Datos Longitudinales y de Sobrevivencia”

[paola en fing.edu.uy]

Hola,

Durante la semana del 10 a al 13 de junio se llevará a cabo el curso  
mencionado en el título a cargo de la Profesora Graciela Muniz (Senior  
Investigator Scientist, MRC Unit for Lifelong
Health and Aging at UCL.) Este curso se había anunciado para fines del  
año pasado pero fue postergado.

Copio abajo un resumen (no tan breve) y adjunto programa detallado y  
forma de evaluación.

Por cualquier consulta dirigirse a paola en fing.edu.uy.

Saludos
Paola

---------------------

Durante el curso “Modelos Conjuntos para Datos Longitudinales y de  
Sobrevivencia”   se cubrirán, con énfasis en el ajuste de los modelos  
en R, aspectos teóricos y prácticos de los modelos de efectos  
compartidos  para el análisis conjuntos de medidas longitudinales y  
datos de  sobrevivencia.

En los estudios de diseño longitudinal, datos de la misma muestra  de  
individuos son registrados en varias ocasiones. Por ejemplo, este tipo  
de diseño se utiliza en estudios de salud cardiovascular donde se  
registra la presión arterial de un grupo de pacientes en repetidas  
ocasiones con el objetivo de entender los cambios en la presión  
arterial; en estudios de  escolares cuyas habilidades de lectura o  
matemática, o  cuyo peso y estatura son registradas sistemáticamente  
durante la primera semana de clases al inicio de cada uno de los 6  
años de educación primaria o en estudios de envejecimiento  donde, por  
ejemplo, se aplica repetidamente el mismo test de memoria a una  
muestra  individuos de edad avanzada .
Los modelos  de efectos mixtos o aleatorios (random effects models)  
son modelos que se utilizan tradicionalmente en el análisis de datos  
longitudinales cuando el objeto de estudio no es solo modelar una  
trayectoria media poblacional sino también entender la variabilidad de  
las trayectorias individuales alrededor de esa trayectoria media.  
Estos modelos, extensiones de los modelos lineales generalizados que  
toman en cuenta la correlación de las observaciones que provienen del  
mismo individuo, permiten la estimación de una trayectoria promedio,  
la inclusión de covariables para entender si ciertos factores de  
riesgo modifican los parámetros de esa trayectoria,  y utilizan toda  
la información disponible sobre los individuos (esto es, no requieren  
en mismo número de observaciones por individuo). Estos modelos, aunque  
increíblemente flexible, asumen que los valores no observados son  
“missing at random”, o sea no observados de manera aleatoria y que el  
mecanismo que opera en la generación de los valores no observados es  
no informativo. Esta hipótesis implica que la probabilidad que un  
valor sea no observado depende de variables observadas. Pero este  
supuesto es fuerte  y en muchos contextos,  es altamente probable que  
no sea verificado. Retomando el ejemplo previo sobre estudios de  
envejecimiento, es posible que la probabilidad de que un individuo no  
atienda la cita con la persona que le va a aplicar el test de memoria  
dependa de que tan bien este su memoria ese día. O sea, que la  
probabilidad de que su registro de memoria en el día X sea un dato no  
observado depende de si la persona tiene buena o mala memoria el mismo  
día X.
En estas situaciones se considera que los datos no observados son  
“missing not at random” o no observados de manera no aleatoria y que  
el mecanismo que opera en la generación de los valores no observados  
es un mecanismo informativo.
  Los modelos de efectos compartidos fueron propuestos en el contexto  
de valores no observados   en los que opera un mecanismo informativo.  
Estos modelos permiten estimar conjuntamente la trayectoria de una  
variable de interés (memoria según el ejemplo previo) y la  
probabilidad de no observar la variable, permitiendo que esta  
probabilidad dependa de parámetros (parámetros compartidos) de la  
trayectoria de la variable observada repetidamente (como el intercepto  
o la pendiente).
------------ próxima parte ------------
A non-text attachment was scrubbed...
Name: curso_datos_longitudinales_2013.pdf
Type: application/pdf
Size: 127065 bytes
Desc: no disponible
URL: <http://www.cmat.edu.uy/pipermail/listaestudiantes/attachments/20140516/4f71f301/attachment-0001.pdf>