| Revista: | Pesquisa operacional |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000313082 |
| ISSN: | 0101-7438 |
| Autores: | Souza, Aparecida D.P1 Migon, Helio S2 |
| Instituciones: | 1Universidade Estadual Paulista "Julio de Mesquita Filho", Faculdade de Ciencias e Tecnologia, Presidente Prudente, Sao Paulo. Brasil 2Universidade Federal do Rio de Janeiro, Instituto Alberto Luiz Coimbra de Pos-Graduacao e Pesquisa de Engenharia, Rio de Janeiro. Brasil |
| Año: | 2004 |
| Periodo: | May-Ago |
| Volumen: | 24 |
| Número: | 2 |
| Paginación: | 253-267 |
| País: | Brasil |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en inglés | A Bayesian binary regression model is developed to predict death of patients after acute myocardial infarction (AMI). Markov Chain Monte Carlo (MCMC) methods are used to make inference and to evaluate Bayesian binary regression models. A model building strategy based on Bayes factor is proposed and aspects of model validation are extensively discussed in the paper, including the posterior distribution for the c-index and the analysis of residuals. Risk assessment, based on variables easily available within minutes of the patients' arrival at the hospital, is very important to decide the course of the treatment. The identified model reveals itself strongly reliable and accurate, with a rate of correct classification of 88% and a concordance index of 83% |
| Resumen en portugués | Um modelo bayesiano de regressão binária é desenvolvido para predizer óbito hospitalar em pacientes acometidos por infarto agudo do miocárdio. Métodos de Monte Carlo via Cadeias de Markov (MCMC) são usados para fazer inferência e validação. Uma estratégia para construção de modelos, baseada no uso do fator de Bayes, é proposta e aspectos de validação são extensivamente discutidos neste artigo, incluindo a distribuição a posteriori para o índice de concordância e análise de resíduos. A determinação de fatores de risco, baseados em variáveis disponíveis na chegada do paciente ao hospital, é muito importante para a tomada de decisão sobre o curso do tratamento. O modelo identificado se revela fortemente confiável e acurado, com uma taxa de classificação correta de 88% e um índice de concordância de 83% |
| Disciplinas: | Matemáticas, Medicina |
| Palabras clave: | Matemáticas aplicadas, Diagnóstico, Hospitales, Modelos de regresión, Mortalidad, Atención a la salud |
| Keyword: | Mathematics, Medicine, Applied mathematics, Diagnosis, Hospitals, Regression models, Mortality, Health care |
| Texto completo: | Texto completo (Ver HTML) |
