[EstudiantesMatemática]Curso de Posgrado “Modelos Conjuntos para Datos Longitudinales y de Sobrevivencia”
paola en fing.edu.uy
paola en fing.edu.uy
Vie Mayo 16 18:20:22 UYT 2014
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>
Más información sobre la lista de distribución Listaestudiantes