Modelos de transición en presencia de pérdidas intermitentes: implementación y ejemplo de aplicación a un ensayo clínico cubano

  • Rolando Uranga Centro Nacional Coordinador de Ensayos Clínicos
Palabras clave: datos longitudinales, modelo de transición, patrones de pérdidas, mecanismo de pérdidas, ensayo clínico

Resumen

El presente trabajo brinda una herramienta útil para enfrentar el ajuste de los modelos de transición bajo el problemático escenario de patrones de pérdidas intermitentes en datos recolectados de tipo longitudinal. Mediante las facilidades implícitas en la instrucción NLMIXED del software estadístico SAS (Statistical Analysis System) para Windows, versión 9.1.3, se da solución a esta problemática. Se ofrece, además, una aplicación práctica, donde se ajusta un modelo de transición a los datos de laboratorio clínico de un ensayo que evaluó, entre otros objetivos, la seguridad de una vacuna cubana contra el melanoma cutáneo metastásico.

Citas

Michael Falk, Frank Marohn, René Michel, Daniel Hofmann, Maria Macke, editors. A First Course on Time Series Analysis. Examples with SAS. Würzburg, Germany: Chair of Statistics, University of Würzburg; 2006.Disponible en:http://www.statistik-mathematik.uni-wuerzburg.de/fileadmin /10040800/userupload/timeseries/the_book/2006-February -01-times.pdf Consultado: 1ro de febrero de 2011.

Molenberghs G, Verbeke G. Models for discrete longitudinal data. New York: Springer-Verlag; 2005.

Diggle PJ, Liang KY, Zeger SL. Analysis of Longitudinal Data. Oxford Science Publications. Oxford:Clarendon Press; 1994.

Rubin DB. Inference and missing data. Biometrika 1976;63:581-92.

Little RJA, Rubin DB. Statistical Analysis with Missing Data. New York: John Wiley & Sons; 1987.

Verbeke G, Molenberghs G. Linear Mixed Models for Longitudinal Data. New York: Springer-Verlag; 2000.

Neter J, Kutner MH, Nachtsheim CJ, Wasserman W Applied Linear Statistical Models. 4th ed. Chicago: IRWIN; 1996.

SAS Institute Inc. SAS OnlineDoc® 9.1.3. Cary, NC: SAS Institute Inc; 2004.

Morariu VV, Buimaga Iarinca L. Autoregresive modeling of coding sequence lengths in bacterial genome, 2009. Disponible en: http://arxiv.org/ftp/arxiv/papers/0907/0907.1159.pdf . Consultado: 15 de octubre de 2010.

Ding-Fei GE, Bei Ping H, Xin-Jian X. Study of Feature Extraction Based on Autoregressive Modeling in ECG Automatic Diagnosis. Acta Automática Sinica 2007; 33(5): 462-6.

Feller W. An Introduction to Probability Theory and Its Applications. 3rd ed. New York: John Wiley;1968.

Publicado
2016-03-15
Cómo citar
Uranga, R. (2016). Modelos de transición en presencia de pérdidas intermitentes: implementación y ejemplo de aplicación a un ensayo clínico cubano. VacciMonitor, 20(2), 11-16. Recuperado a partir de https://vaccimonitor.finlay.edu.cu/index.php/vaccimonitor/article/view/111
Número
Vol. 20 Núm. 2 (2011): Mayo.-ago.
Sección
Artículos Originales

Derechos de autor 2016 Rolando Uranga

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.

VacciMonitor es una revista de libre acceso, bajo licencia Creative Commons. La revista permite reutilizar su contenido acorde a: https:/creativecommons.org/licenses/by/4.0/deed.es.

Concede a los autores los permisos siguientes:

-Tener la propiedad total del copyright sin restricciones.

-Distribuir copias, electrónicas o impresas, del artículo publicado entre sus estudiantes o colegas, así como permiso para que los demás miembros de su institución las utilicen con propósitos de enseñanza.

-Reutilizar parte o la totalidad del artículo en nuevos manuscritos o libros futuros.

-VacciMonitor no pone reparos en que el autor coloque su versión, o la editada por la revista, en su sitio web personal o en un repositorio de acceso abierto.

-VacciMonitor autoriza a otras casas editoriales o bases de datos a reproducir los materiales originales publicados en ella, siempre que se indique su procedencia.