Software

Software Nodo Valencia-VABAR

Nombre: FLUDETWEB

Descripción: es una implementación web de una herramienta de vigilancia epidemiológica para la detección del instante en el que comienza la epidemia anual de gripe. El método estadístico subyacente está descrito en Martínez-Beneito et al. (Bayesian Markov switching models for the early detection of influenza epidemicsStatistics in Medicine, 27(22), 4455-4468).

Tras darse de alta, los usuarios pueden introducir y editar sus datos de tasas de incidencia de gripe y solicitar al sistema la probabilidad de estar en fase epidémica siempre y cuando se disponga de datos históricos de al menos 3 temporadas. El sistema devuelve (via e-mail si así lo desea el usuario) dicha probabilidad junto con la probabilidad (en el caso de estar en estado epidémico) de que en la semana siguiente haya un aumento o una disminución en la tasa de incidencia y dos gráficas que completan dicha información.

Para el desarrollo de este sistema se ha utilizado software estadístico de libre distribución (R y WinBUGS), un servidor web de aplicaciones java (Tomcat) y un servidor de base de datos (MySQL). Esta aplicación ha sido creada por miembros del grupo “Geeitema” dentro del proyecto “MEVIEPI”. Para cualquier otra pregunta o consulta puede contactar con: fludetweb@geeitema.org .

Más detalles sobre la arquitectura del sistema y de su funcionamiento se pueden consultar en la web:       http://www.geeitema.org/meviepi/fludetweb/

 

 


 

 

Nombre: BayesVarSel

Descripción: Se trata de un paquete de R para selección de variables en modelos lineales y desde un punto de vista Bayesiano.

Este paquete, que se puede encontrar en CRAN (el repositorio de paquetes de R project), permite visitar todos los modelos posibles (calculando su probabilidad a posteriori) cuando tenemos menos de 20 variables. Esto se puede hacer de forma directa o repartiendo el trabajo en distintos nodos si disponemos de más de un procesador. Cuando tenemos más de 20 variables el paquete permite visitar un numero grande de modelos y calcular las probabilidades de inclusión aproximadas de las variables estudiadas. Esta búsqueda se realiza mediante un algoritmo Gibbs Sampling desarrollado en García-Donato y Martínez-Beneito (2012), Las distribuciones a priori, tanto para el espacio parametrico como para el espacio de modelos, pueden elegirse entre varias opciones. Para el espacio parametrico, por defecto, el programa utiliza las ventajas de la forma cerrada proporcionada por la previa estudiada en Bayarri et al. (2012). Otras previas estudiadas son las de Zellner (1986), Zellner-Siow (1980,1984) o Liang et al. (2008)

in