Mostrar el registro sencillo del ítem

dc.contributor.authorSalazar Uribe, Juan Carlosspa
dc.contributor.authorIral Palomino, Renéspa
dc.date.accessioned2020-10-27T14:21:39Z
dc.date.available2020-10-27T14:21:39Z
dc.date.issued2005-12-01
dc.identifier.issn2382-4603
dc.identifier.issn0123-7047
dc.identifier.urihttp://hdl.handle.net/20.500.12749/10417
dc.description.abstractLos 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 justificado. 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.[Salazar JC, Iral R. Estudio de enfermedades progresivas usando un modelo de Markov de estados múltiples.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.relationhttps://revistas.unab.edu.co/index.php/medunab/article/view/182/166
dc.relation.urihttps://revistas.unab.edu.co/index.php/medunab/article/view/182
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.sourceMedUNAB; Vol. 8 Núm. 3 (2005): Sincope, Influenza, Orientación sexual; 202-207
dc.subjectCiencias biomédicas
dc.subjectCiencias de la vida
dc.subjectInnovaciones en salud
dc.subjectInvestigaciones
dc.titleEstudio de enfermedades progresivas usando un modelo de Markov de estados múltiplesspa
dc.title.translatedStudy of progressive diseases using a multi-state Markov modeleng
dc.publisher.facultyFacultad Ciencias de la Saludspa
dc.publisher.programPregrado Medicinaspa
dc.type.driverinfo:eu-repo/semantics/article
dc.type.localArtículospa
dc.type.coarhttp://purl.org/coar/resource_type/c_6501
dc.subject.keywordsHealth Scienceseng
dc.subject.keywordsMedicineeng
dc.subject.keywordsMedical Scienceseng
dc.subject.keywordsBiomedical Scienceseng
dc.subject.keywordsLife Scienceseng
dc.subject.keywordsInnovations in healtheng
dc.subject.keywordsResearcheng
dc.subject.keywordsAlzheimer ́s diseaseeng
dc.subject.keywordsGenetic markerseng
dc.subject.keywordsMultiple stage modelseng
dc.subject.keywordsLonguitudinal dataeng
dc.subject.keywordsMarkov ́s dependenceeng
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga UNABspa
dc.type.hasversionInfo:eu-repo/semantics/publishedVersion
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.relation.referencesKay R. A Markovmodel for analyzing cancer markers and disease states in survival studies. Biometrics 1986; 42: 855-65spa
dc.relation.referencesFrydman H. Semiparametric estimation in a three-state duration dependent Markov model from interval-censored observations with application to AIDS data. Biometrics 1995; 51: 502-11spa
dc.relation.referencesMarshall G, Guo W, Jones RH. MARKOV: a computer program for multi-state Markov models with covariates. Comp Meth Progr Biomed 1995; 47:147-56spa
dc.relation.referencesJoly P, Commenges D. A penalized likelihood approach for a pro-gressive three-state model with censored and truncated data: Application to AIDS. Biometrics 1999; 55: 887-90spa
dc.relation.referencesSalazar JC, Tyas SL, Snowdon DA, Desrosiers MF, Riley KP, Mendiondo MS, Kryscio RJ. Estimating intensity functions on multi-state Markov models with application to the Nun Study. Proceedings Joint Statistical Meeting San Francisco 2003; 3616-23spa
dc.relation.referencesBhat UN. Elements of applied stochastic processes. New York: John Wiley and sons, 2 ed, 1984spa
dc.relation.referencesHarezlak J, Gao S, Hui SL. An illness-death stochastic model in the analysis of longitudinal dementia data. Statist Med 2003; 22:1465-75.spa
dc.relation.referencesSAS Institute, Inc., SAS/IML Software: Usage and Reference, Ver-sion 6, First Edition, Cary, NC: SAS Institute Inc., 1989; 501.spa
dc.relation.referencesTherneau TM, Grambsch PM. Modeling survival data: extending the Cox model. New York: Springer-Verlag, 2000: 39-44spa
dc.relation.referencesAitkin M, Alfó M. Regression models for binary longitudinal responses. Stat Comput 1998; 8:289-307spa
dc.relation.referencesDeGroot M. Probabilidad y estadística. México: Addison-Wesley Iberoamericana, 2 ed, 1988: 302-4spa
dc.relation.referencesMeeker W, Escobar L. Statistical methods for reliability data. New York: Wiley Series in Probability and Statistics, 1998.spa
dc.relation.referencesFaddy MJ. A note on the general time dependent stochastic compartmental model. Biometrics1976; 32: 443-8spa
dc.contributor.cvlacSalazar Uribe, Juan Carlos [0000063509]spa
dc.contributor.googlescholarSalazar Uribe, Juan Carlos [7epKVSUAAAAJ&hl=es&oi=ao]spa
dc.contributor.orcidSalazar Uribe, Juan Carlos [0000-0003-2286-3627]spa
dc.subject.lembMedicinaspa
dc.subject.lembCiencias de la saludspa
dc.subject.lembCiencias médicasspa
dc.identifier.repourlrepourl:https://repository.unab.edu.co
dc.description.abstractenglishRisk factors and their degree of association with a progressive disease, such as Alzheimer's disease or liver cancer, can be identified using epidemiological models; Some examples of these models include logistic regression, Poisson, log-linear, linear regression, and mixed models. In medical sciences, the use of models that take into account not only the different health states that a participant experiences over time but also the characteristics of each of them (for example, age, gender, genetic characteristics, etc.) .) seems reasonable and justified. This article discusses a methodology that allows estimating the effect of covariates associated with a disease when the progression or regression of said disease can be idealized through a multi-state model with several states that in turn It allows taking into account the association of measurements taken in the same participant over time. The exposed method, which is based on the Markov property, is illustrated with simulated data about Alzheimer's disease. Finally, the merits and limitations of this approach are discussed. [Salazar JC, Iral R. Study of progressive diseases using a multistate Markov model.eng
dc.subject.proposalEnfermedad de Alzheimerspa
dc.subject.proposalMarcadores genéticosspa
dc.subject.proposalModelos de estados múltiplesspa
dc.subject.proposalDatos longitudinalesspa
dc.subject.proposalDependencia de Markovspa
dc.type.redcolhttp://purl.org/redcol/resource_type/ART
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia