Nodo GALICIA

Con 58 miembros liderados por Carmen Cadarso, Javier Roca, José A. Vilar y Francisco Gude investigando en: Inferencia en Modelos Aditivos Generalizados (GAM). Extensiones del Modelo GAM. Modelos Aditivos Multi-estado (MSM) en Supervivencia.

Proyecto Nacional

Título del Proyecto:  Desarrollo de técnicas flexibles «joint modelling» dirigidas a la investigación en diabetes, enfermedades cardiovasculares y cáncer.

Código del Proyecto: MTM2017-83513-R.

Investigadora Principal:  Carmen María Cadarso Suárez.

Investigadores que participan en el nodo

Investigador responsable (IR)

Carmen María Cadarso Suárez

C. Cadarso es catedrática del Departamento de Estadística de la Universidad de Santiago (USC). Cuenta con una trayectoria de más de 30 años tanto como docente, así como coordinadora de proyectos y redes de investigación. Se especializó en inferencia no paramétrica de curvas y técnicas de inferencia bootstrap, con especial énfasis en el análisis de supervivencia con datos censurados y en modelos GAM, todo eso aplicado en diversas áreas de la Biomedicina.
Sus líneas de investigación actuales se centran en modelos de regresión de respuesta multivariante tipo “Joint Modelling”, asumiendo distintas distribuciones para la respuesta e incluyendo datos censurados. Estas líneas de investigación generaron más de un centenar de publicaciones internacionales en revistas de impacto; en Estadística (JASA, Stat Med, Biostatistics, Statistical methods in medical research, Test, Lifetime Data Anal, Biometrical J,…), Computación (Statistics and Computing, CSDA,…) y Biomedicina, entre otros.
Actualmente dirige el Grupo Interdisciplinar de Estadística, Computación, Medicina y Biología, de referencia competitiva, de la Universidad de Santiago de Compostela.  Por sus contribuciones metodológicas y de aplicación en la Biomedicina C. Cadarso está adscrita al Instituto de Investigación Sanitaria de Santiago (IDIS), acreditado de excelencia científica por el Instituto de Salud Carlos III.
Es copromotora de la spin-off académica BIOSTATECH, Advice, Training and Innovation in Biostatistics.
Además es directora del Centro Interdisciplinar de Bioestadística de carácter mixto e internacional de la USC (ICBUSC), con la participación de miembros de las universidades de Hasselt y Leuven y la Universidad de Minho.

En los últimos años, ha coordinado 6 proyectos MTM de investigación en el marco del Plan Estatal de Fomento de Investigación Científica y Técnica y de Innovación. Además, ha participado en Acciones Europeas COST, así como en varios proyectos de la convocatoria Portuguesa FCT y la alemana DAAD.

Forman parte del nodo, 58 investigadores pertenecientes al ámbito universitario y hospitalario.

ver todos los miembros

Universidades e Instituciones presentes en el nodo

Universidades Nacionales

  • Universidade de Vigo
  • Universidade de Santiago de Compostela
  • Universidade da Coruña

Universidades Extranjeras

  • Universidade Nova de Lisboa
  • Universidade do Minho
  • Hasselt University
  • Georg-August Göttingen Universität

Instituciones Biomédicas

  • Dirección Xeral de Innovación e Xestión da Saúde Pública de la Xunta de Galicia
  • Complexo Hospitalario Universitario de Santiago (CHUS)
  • Complejo Hospitalario Universitario Ourense (CHUO)
  • Complejo Hospitalario Universitario A Coruña (CHUAC)

Principales líneas de investigación

La investigación biomédica, especialmente el estudio de enfermedades crónicas, como la diabetes, enfermedades cardiovasculares y el cáncer (entre otras) supone, en muchos casos, un desafío metodológico para el cual es necesario el desarrollo de nuevas técnicas estadísticas. Entre las líneas de investigación del Nodo se encuentran:

 

  1. Modelos de regresión flexible: Modelos aditivos generalizados (Generalized Additive Models, GAM) y extensiones de los mismos, como los Modelos Aditivos Generalizados para Localización, Escala y Forma (Generalized Additive Models for Location, Scale and Shape, GAMLSS). En este tipo de modelos no es necesario que el investigador suponga formas paramétricas para los efectos de las covariables en la respuesta.
  2. Joint Modelling flexible mediante el uso de cópulas, con aplicaciones en biomedicina. Este tipo de técnicas permite la modelización conjunta de dos o más variables respuesta, pudiendo estudiar, además, la asociación entre ellas.
  3. Análisis de supervivencia, incluyendo Joint Modelling para datos longitudinales y de supervivencia y modelos multiestado (Multi-State Models, MSM).
  4. Análisis con curvas ROC (condicionadas a covariables) y selección de puntos de corte óptimos en tests diagnósticos. Su aplicación es imprescindible en el Diagnóstico Clínico y, cada vez más, en Epidemiología.
  5. Datos funcionales en modelos de regresión GAMLSS.
  6. Desarrollo de software (principalmente en R) que pueda ser utilizado de manera amigable por todos aquellos profesionales del ámbito biomédico interesados en la utilización práctica de las metodologías estadísticas propuestas.

 

La actividad de investigación del Nodo ha resultado en importantes contribuciones en los campos de la estadística y de la biomedicina, ofreciendo una base de apoyo ideal para abordar nuevos desafíos con importantes implicaciones socioeconómicas. Entre las aplicaciones de estas metodologías a datos reales en Medicina y Biología ya realizadas se encuentran:

 

  1. Medidas de asociación en Clínica y Epidemiología: estimación no paramétrica de curvas de medidas de efecto de variables continuas como la Odds-Ratio (OR), el Riesgo Relativo (RR) o la Hazard Ratio (HR).
  2. Tasas de disparo neuronal, Medición de la sincronía neuronal temporal. Análisis poblacional de neuronas.
  3. Predicción del Intervalo Post-Mortem en Medicina Forense a través de modelos GAM, SVM (Support Vector Machines) o Redes Neuronales.
  4. Análisis de regresión ROC en diagnóstico clínico. Evaluación estadística de los sistemas CAD (Computer-Aided Diagnosis) en cáncer de mama.
  5. Curvas de crecimiento en Medicina y Biología Marina. Regresión cuantil suavizada.
  6. Modelización del ciclo reproductivo de invertebrados marinos (GAM). Aplicaciones en la gestión de recursos marinos.
  7. Modelización de procesos complejos de supervivencia en VIH/SIDA y cáncer, a través de MSMs flexibles.
  8. Diseasse mapping.
  9. Modelización de patrones espaciales en biodiversidad.

 

Los métodos estadísticos desarrollados son, además, transferibles a otras áreas, tales como las ciencias medioambientales.

Entidades y grupos con los que colabora

  • Dirección General de Salud Pública (DXSP) de la Xunta de Galicia.
  • Fundación Gallega de Endocrinología y Nutrición.
  • Instituto de Investigaciones Marinas (CSIC – Vigo).
  • Rede Galega de Biotecnoloxía e Acuicultura (ReGABA).
  • Grupo de Recursos Marinos y Pesquerías – Universidad de A Coruña (UDC).
  • Laboratorio de Neurociencia Computacional (LANCON) – Universidad de Santiago de Compostela (USC).
  • Laboratorio de Imagen Radiológica – Universidad de Santiago de Compostela (USC).
  • Instituto de Acuicultura – Universidad de Santiago de Compostela (USC).
  • Grupo de Parasitología Humana y Animal del Instituto de Investigación y Análisis Alimentarias – Universidad de Santiago de Compostela (USC).
  • Grupo de Investigación GI-1232 (Laboratorio de Invertebrados Marinos)- Universidad de Santiago de Compostela (USC).

Actividades de Consulting de Bioestadística

Se realizarán en diferentes centros, entre ellos:

Unidad de Apoyo a la Investigación del CHUS, que da soporte metodológico a los clínicos del centro.

Unidad de Apoyo a la Investigación del Complejo Hospitalario Universitario da Coruña (CHUAC), que da soporte metodológico a los clínicos del centro.

Unidad de Bioestadística de la Facultad de Medicina de la USC, que integra la investigación Bioestadística con la formación y su transferencia, mediante la co-autoría de los documentos resultantes y la colaboración en proyectos de investigación en Biomedicina y en Estadística.