Modelización bayesiana de la prevalencia de la enfermedad en una población y de las medidas de validez en pruebas diagnósticas correladas, en ausencia de gold estándar
| Autor: | Sanjuán Martín, Pilar |
|---|---|
| Přispěvatelé: | Amador Pacheco, Julia, Susi García, Rosario |
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | E-Prints Complutense. Archivo Institucional de la UCM instname E-Prints Complutense: Archivo Institucional de la UCM Universidad Complutense de Madrid |
| Popis: | Disponer de una prueba diagnóstica gold standard puede ser complicado debido a muchas razones: inexistencia, falta de disponibilidad, falta de ética al realizarla o un coste muy alto, entre ellas. Igualmente por estos motivos, no se suele disponer de los resultados de varias pruebas para poder compararlos, lo que hace imposible la estimación a través del enfoque frecuentista por saturación de parámetros en el modelo cuando hay poca información. A esto se le añaden todavía más dificultades cuando las pruebas diagnósticas son dependientes condicionadas al verdadero estado de la enfermedad, caso que suele ocurrir de forma muy frecuente en la realidad. Por consiguiente, se ha planteado un problema en el que se tienen dos pruebas diagnósticas que no son gold standard y son dependientes condicionalmente con el objetivo de estimar la prevalencia de la enfermedad, así como las sensibilidades y especificidades de ambas pruebas diagnósticas, que haremos utilizando el enfoque bayesiano. El modelo bayesiano construido se utilizó para comparar los resultados que se obtienen al considerar diferentes distribuciones a priori en las correlaciones entre pruebas diagnósticas en una base de datos real de refugiados camboyanos en Cánada y en tres muestras simuladas donde las pruebas diagnósticas tenían una correlación nula, moderada y alta. Para todos estos modelos, se consideró que las pruebas estaban correladas positivamente, ya que por bibliografía esto es así en la mayor parte de los casos. Los resultados obtenidos en los datos reales confirmaron una mejoría del ajuste del modelo a los datos cuando se consideraron distribuciones a priori uniformes en (0,1) para las correlaciones frente al modelo que consideraba que existía independencia condicional entre las pruebas. En cuanto a las muestras simuladas, fueron mejores las estimaciones en aquellos modelos que consideraban una distribución a priori informativa en las correlaciones de las pruebas diagnósticas. Además, exceptuando los datos de las pruebas que no estaban correladas, la incorporación de las distribuciones uniformes en (0,1) para las correlaciones resulto ser mejor alternativa que considerar independencia condicional en el modelo, ya que, en el segundo caso, los intervalos de probabilidad 0.95 de las distribuciones a posteriori en la mayoría de los parámetros no tenían incluidos sus valores reales. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|