País Vasco

El estudio de propuestas alternativas de modelización estadística de resultados percibidos por el paciente, como por ejemplo la calidad de vida relacionada con la salud, es una de las áreas de gran interés cuyo uso ha demostrado ser muy valorado en las distintas áreas de la Medicina (Epidemiología). Algunas de las extensiones que planteamos analizar dentro de esta temática son: a) Modelo de regresión beta-binomial; b) modelo de regresión beta-binomial de efectos mixtos que permite cualquier posible estructura de correlación en los datos mediante efectos aleatorios; c) Modelo de regresión beta-binomial multidimensional; desarrollo de modelos conjuntos para variables longitudinales con distribución beta-binomial.

Los modelos de predicción clínica juegan un papel fundamental en la toma de decisiones para la práctica clínica hospitalaria. El desarrollo y validación de modelos predictivos con una alta capacidad predictiva y discriminativa permitiría a los facultativos médicos tomar decisiones con un buen nivel de certeza. El desarrollo de modelos predictivos se basa en la modelización estadística, donde las características de la variable respuesta, la relación entre los predictores y la respuesta, los datos longitudinales y el tratamiento de pérdidas de datos no aleatorias son factores que determinan el tipo de modelos a utilizar y su validez. El desarrollo de modelos de predicción clínica fiables y útiles requiere una experiencia previa en la modelización estadística de resultados, tanto crudos como mortalidad o supervivencia, como resultados percibidos por el paciente, y en el tratamiento estadístico de las pérdidas de seguimiento en estudios longitudinales. Además, el éxito real del desarrollo de modelos predictivos reside en su aplicabilidad en la práctica clínica, para lo cual es necesario implementarlos en herramientas informáticas con una interfaz gráfica intuitiva y de fácil uso y manejo, de modo que los resultados se obtengan de forma automática y transparente para el clínico y se puedan utilizar de manera fiable en la toma de decisiones diaria.

Los datos de encuestas complejas se utilizan cada vez más en la actualidad, especialmente en el contexto de las estadísticas oficiales. En este marco, los datos de encuestas complejas suelen obtenerse mediante el muestreo de la población de interés para la encuesta, siguiendo algún diseño de muestreo complejo particular. Este proceso de muestreo puede llevarse a cabo en una o más etapas de muestreo, para lo cual la combinación de técnicas como la estratificación y la clusterización es una práctica muy habitual. Una de las características más especiales de los datos de muestreo complejo, en comparación con los datos obtenidos a partir de un muestreo aleatorio simple, es que cada individuo de la población tiene una probabilidad (distinta de 0) de ser incluido en la muestra. En este contexto, la aplicación de métodos estadísticos habituales no es trivial, y por lo tanto, es necesario desarrollar nuevas propuestas que tengan en cuenta el diseño complejo del que se han obtenido los datos.

En el análisis de la base genética de enfermedades infecciosas de etiología vírica, es importante el desarrollo de herramientas para la detección y análisis de polimorfismos que se puedan usar como marcadores para la progresión de las enfermedades. El análisis de datos y la modelización estadística en este contexto, requiere de un tratamiento de muestras pequeñas, debido a la baja frecuencia de aparición de algunos genes.

La modelización matemática de la historia natural de enfermedades neurológicas mediante modelos estocásticos de simulación con eventos discretos es un tema actual y de gran interés en epidemiología. Conocer cuál es la distribución adecuada para cada variable y calcular sus parámetros a partir de los datos primarios plantea dificultades por la propia naturaleza de la variable. La validez de los modelos depende, no solo de los datos originales, sino de las distribuciones aplicadas y de su parametrización. En este sentido, nuestro trabajo dirigido a la representación matemática de las enfermedades requiere el uso de la estadística para que los modelos cumplan el objetivo de traducir los datos epidemiológicos al lenguaje matemático.

Entre las líneas actuales de investigación de este nodo se encuentran (ver póster):

• Desarrollo de modelos de regresión basados en la distribución beta-binomial para la modelización multidimensional y longitudinal de resultados percibidos por el paciente (PRO)
• Desarrollo de un marco teórico para la modelización conjunta de datos PRO y de tiempo transcurrido hasta el evento basado en distribuciones de la familia no exponencial, especialmente la distribución beta-binomial.
• Desarrollo de modelos predictivos de evolución clínica, mortalidad, supervivencia o cambios en la calidad de vida relacionada con la salud. Creación de herramientas tecnológicas para su empleo en la práctica clínica hospitalaria.
• Propuesta de selección de variables para el desarrollo de modelos predictivos con datos de encuestas de diseño complejo.
• Desarrollo y comparación de métodos de creación de scores para cuestionarios.
• Capacidad discriminativa en modelos de supervivencia.
• Análisis y evaluación de estrategias, intervenciones y resultados clínicos centrados en el paciente.
• Detección de marcadores genéticos para la progresión de enfermedades de etiología vírica mediante métodos de modelización estadística.
• Modelización matemática de la historia natural de enfermedades neurológicas mediante modelos estocásticos de simulación con eventos discretos.

Creemos relevante mencionar que, además de los objetivos metodológicos que hemos mencionado previamente en cada una de las áreas de interés en este nodo, muchos de estos objetivos han surgido como resultado de investigaciones en las distintas áreas de conocimiento que las justifican y que, en nuestra opinión, debe implicar un interés por transferir estos conocimientos a la sociedad en general y a los distintos campos de aplicación de la Bioestadística en particular. Por ello, como objetivos principales nos planteamos:

(a) Difusión de técnicas estadísticas desarrolladas a través de publicaciones de carácter general o de las que contengan aplicaciones de la metodología propuesta en los distintos campos de la Medicina.

(b) Difusión de técnicas estadísticas desarrolladas a través de cursos de verano o cursos de carácter general en hospitales o instituciones médicas.

(c) Organización de jornadas de difusión de técnicas estadísticas desarrolladas orientadas a un público no especializado.

Desarrollo de software que pueda ser utilizado de manera amigable por todos aquellos profesionales de la Medicina y la Biología interesados en la aplicación de las técnicas estadísticas desarrolladas.