| Revista: | Actualidad contable FACES |
| Base de datos: | CLASE |
| Número de sistema: | 000479113 |
| ISSN: | 1316-8533 |
| Autores: | Quiroz, Segundo U1 Rivas, Belzaira |
| Instituciones: | 1Universidad de Los Andes, Mérida. Venezuela |
| Año: | 2018 |
| Periodo: | Ene-Un |
| Volumen: | 21 |
| Número: | 36 |
| Paginación: | 116-135 |
| País: | Venezuela |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | La presente investigación su objetivo fue, construir un modelo de decisión bayesiano automático para cuantificar el riesgo de cáncer de mama y evaluar las consecuencias de las alternativas del tratamiento, desde el punto de vista de las pérdidas y utilidades de todos los actores en la problemática de la salud del paciente (sistema sanitario, médicos y la propia paciente). El modelo incorpora los resultados de una mamografía, algunas variables históricas y una función de costos para clasificar una paciente en tres categorías mutuamente excluyentes: No Cáncer, Probablemente Cáncer y Si Cáncer. Para cuantificar el riesgo, se desarrolló un modelo de regresión binaria bayesiano con distribuciones a priori de Jeffreys y para la selección del modelo, se usó el Factor de Bayes Medio. El ajuste del modelo se realizó desde el punto de vista de las predicciones y de la clasificación, en vez del método clásico de estimación. La base de datos consta de 328 pacientes con 184 casos positivos, ésta fue suministrada por el Hospital Universitario de Granada, España. Se encontró que el diagnóstico puede cambiar drásticamente según cambie la función de pérdida y además que el modelo de predicción debe ser distinto dependiendo de la edad de la paciente, menor o mayor a 50 años |
| Resumen en inglés | An automatic Bayesian decision model was constructed to quantify breast cancer risk and evaluate the consequences of the treatment alternatives, from the point of view of the losses and utilities of all the actors in the patient's health problem (health system , doctors and the patient herself). The model incorporates the results of a mammogram, some historical variables and a cost function to classify a patient into three mutually exclusive categories: No Cancer, Probability of Cancer and Yes Cancer. To quantify the risk, a Bayesian binary regression model was developed with Jeffreys a priori distributions and the Bayes Mean Factor was used to select the model. The adjustment of the model was made from the point of view of predictions and classification, instead of the classical method of estimation. The database consists of 328 patients with 184 positive cases, this was provided by the University Hospital of Granada, Spain. It was found that the diagnosis can change drastically as the function of loss changes and also that the prediction model must be different depending on the age of the patient, younger or older than 50 years |
| Disciplinas: | Medicina, Matemáticas |
| Palabras clave: | Matemáticas aplicadas, Oncología, Modelos bayesianos, Regresión binaria, Cáncer de mama, Diagnóstico |
| Texto completo: | Texto completo (Ver PDF) |
