| Revista: | MedUNAB |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000357334 |
| ISSN: | 0123-7047 |
| Autores: | Salazar Uribe, Juan Carlos1 Iral Palomino, René1 |
| Instituciones: | 1Universidad Nacional de Colombia, Escuela de Estadística, Medellín, Antioquia. Colombia |
| Año: | 2005 |
| Periodo: | Dic |
| Volumen: | 8 |
| Número: | 3 |
| Paginación: | 202-207 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Los factores de riesgo y su grado de asociación con una enfermedad progresiva, tal como la enfermedad de Alzheimer o el cáncer de hígado, pueden identificarse usando modelos epidemiológicos; algunos ejemplos de estos modelos incluyen los de regresión logística, Poisson, log-lineales, regresión lineal y mixtos. En las ciencias médicas, el uso de modelos que tengan en cuenta no solo los distintos estados de salud que un participante experimenta a través del tiempo sino también las características propias de cada uno de ellos (por ejemplo, edad, género, características genéticas, etc.) parece razonable y justifi cado. En este artículo se discute una metodología que permite estimar el efecto de covariables asociadas con una enfermedad cuando la progresión o regresión de dicha enfermedad puede ser idealizada por medio de un modelo de estados múltiples (multi-state model) con varios estados que a su vez permite tener en cuenta la asociación de las mediciones tomadas en un mismo participante a través del tiempo. El método expuesto, que se basa en la propiedad de Markov se ilustra con datos simulados acerca de la enfermedad de Alzheimer. Finalmente, se discuten los méritos y las limitaciones de este enfoque |
| Resumen en inglés | Risk factors and their degree of association with a progressive disease, such as Alzheimerís disease or liver cancer, can be identified by using epidemiological models; some examples of these models include logistic and Poisson regression, log-linear, linear regression, and mixed models. Using models that take into account not only the different health status that a person could experience between visits but also his/her characteristics (i.e. age, gender, genetic traits, etc.) seems to be reasonable and justifi ed. In this paper we discuss a methodology to estimate the effect of covariates that could be associated with a disease when its progression or regression can be idealized by means of a multi-state model that incorporates the longitudinal nature of data. This method is based on the Markov property and it is illustrated using simulated data about Alzheimerís disease. Finally, the merits and limitations of this method are discussed |
| Disciplinas: | Medicina, Matemáticas |
| Palabras clave: | Matemáticas aplicadas, Patología, Enfermedad de Alzheimer, Marcadores genéticos, Modelos de estados múltiples, Modelos de Markov |
| Keyword: | Medicine, Mathematics, Applied mathematics, Pathology, Alzheimer disease, Genetic markers, Multiple state models, Markov models |
| Texto completo: | Texto completo (Ver PDF) |
