Profesor | Yanink Neried Caro Vega | lu mi vi | 11 a 12 |
Ayudante | Valeria Montesinos Chica | ma ju | 11 a 12 |
Tema: Métodos estadísticos para la investigación en VIH/SIDA.
Profesora: Dra. Yanink Caro Vega
Ayudante: Act. Valeria Montesinos Chica
Objetivo:
Identificar, comprender y aplicar métodos estadísticos apropiados para responder preguntas relacionadas con la medición de desenlaces clínicos y de atención de personas viviendo con VIH/SIDA.
Plan:
Se repasarán los modelos estadísticos básicos y se explicarán conceptos básicos relacionados con la enfermedad de VIH/SIDA, su transmisión, epidemiología y desenlaces de interés. Se profundizará el estudio teórico y aplicación de modelos comunes y especiales descritos en el temario. Cada estudiante realizará un proyecto específico, asociado a una pregunta de su interés y/o que le permita aplicar algún método del temario; y presentará sus avances para recibir retroalimentación antes de la entrega final. El proyecto tendrá siete etapas que se describirán por escrito en un reporte: elección del proyecto (pregunta de investigación, justificación, antecedentes), análisis exploratorio de la base de datos, identificación del modelo estadístico, estudio teórico del modelo, estimación, análisis de resultados y conclusiones. Quienes cursaron Proyecto I pueden continuar con su tema anterior siempre y cuando desarrollen nuevos métodos de aplicación.
Temario:
1. Acercamiento al VIH y a la aplicación y vinculación de temas estadísticos, matemáticos y actuariales a la solución de problemas en el área médica.
2. Modelos comunes: modelos lineales generalizados, modelos de sobrevida (Cox, multi-estados, riesgos en competencia), modelos lineales mixtos
3. Problemas comunes en el análisis de bases de datos: Información perdida: identificar información perdida, supuestos para aplicar imputación y técnicas de imputación múltiple. Ponderación inversa: necesidad, construcción y aplicación de probabilidades de ponderación inversa en la comparación de grupos con características diferentes.
4. Estudios de cohorte y ensayos clínicos aleatorizados
5. Inferencia Causal: Gráficas acíclicas dirigidas, contrafactuales; Modelos marginales estructurales; Revisión de problemas de sesgo que pueden resolverse mediante el uso de modelos marginales estructurales y Comparación con técnicas tradicionales para medir causalidad.
6. Modelos Especiales: Modelos de Costo efectividad, Estadística Bayesiana y/o Machine Learning
Pre-requisitos:
Inferencia Estadística, Modelos No Paramétricos y de Regresión, Modelos de Supervivencia.
Manejo de paquetería R y bases de datos.
Horario:
Lunes, miércoles y viernes 11:00-12:00