¿Por qué este Curso?
Los seres humanos estamos expuestos, de forma simultánea, a una gran cantidad de factores ambientales y dietéticos que pueden determinar el estado de salud de las poblaciones. Recientemente, el campo de la epidemiología ha tenido un gran interés en utilizar métodos estadísticos que permitan la evaluación de mezclas complejas de diversos factores, para lo cual se han desarrollado múltiples aproximaciones estadísticas que permiten, por un lado, reducir la dimensionalidad, y por otro, manejar factores altamente correlacionados.
Estos métodos tienen diferentes objetivos de acuerdo a la pregunta de investigación, que van desde la identificación de patrones de exposición, evaluación del efecto global de la mezcla, reconocimiento de la contribución de los elementos dentro de la mezcla y sus posibles interacciones.
En este curso los alumnos conocerás la variedad y utilidad de diversos métodos estadísticos para el análisis de mezclas, así como también explorará la implementación, a través de una serie de ejemplos practico, de al menos tres de estos métodos: análisis factorial (FA, por sus siglas en inglés), análisis de componentes principales (PCA, por sus siglas en inglés), y modelos de regresión de suma de cuantiles ponderados (WQS, por sus siglas en inglés).
* Se requiere que los alumnos cuenten con conocimientos básicos de epidemiologia y estadística. Deseablemente, se deberá contar con experiencia previa en el uso de los paquetes estadísticos STATA y R.Objetivos del programa
Proporcionar a los alumnos habilidades prácticas para el análisis estadístico de mezclas complejas en estudios epidemiológicos, tanto de factores ambientales como dietéticos.
Ruta de aprendizaje
Introducción a la evaluación de mezclas complejas
Análisis factorial
Análisis de componentes principales
Modelos de regresión de suma de cuantiles ponderados
Perspectivas futuras del análisis de mezclas complejas en estudios epidemiológicos
Evaluación de mezclas complejas de factores ambientales y dietéticos
Contenido del programa
Introducción a la evaluación de mezclas complejas
- Introducción al contenido del curso.
- Escenario de exposición complejo.
- Historia y contexto actual de la evaluación de mezclas complejas en la investigación en salud pública.
- Métodos estadísticos para la evaluación de mezclas complejas.
Análisis factorial
- Teoría, objetivo, fortalezas y limitaciones.
- Ejemplo práctico.
Análisis de componentes principales
- Teoría, objetivo, fortalezas y limitaciones.
- Ejemplo práctico.
Modelos de regresión de suma de cuantiles ponderados
- Teoría, objetivo, fortalezas y limitaciones.
- Ejemplo práctico.
Perspectivas futuras del análisis de mezclas complejas en estudios epidemiológicos
- Perspectivas futuras del análisis de mezclas complejas en estudios epidemiológicos.
Metodología de aprendizaje
Lectura de materiales bibliográficos
Se han seleccionado una serie de lecturas obligatorias y presentaciones, las cuales deberán ser revisadas por los participantes de manera previa a la realización de cada actividad con el propósito de fomentar la participación del estudiante y favorecer el desarrollo de discusiones sobre situaciones específicas.
Sesiones sincrónicas
Las sesiones virtuales se emplean para proporcionar retroalimentación inmediata entre participantes y estudiantes, manteniendo presentaciones en vivo.
Envío de actividades
El envío de actividades es un proceso fundamental para la interacción entre docentes y estudiantes, mediante la realización de tareas específicas.
Foro
Este análisis de las competencias adquiridas de los participantes permite evaluar evaluaciones entre sí, además de conocer otros puntos de vista.
Competencias a desarrollar
Requisitos de ingreso
Perfil de participantes
El curso está dirigido a profesionales y estudiantes del área de la salud y las ciencias sociales o disciplinas relacionadas, esto incluye: epidemiólogos, estadísticos, médicos, enfermeras, nutriólogos, sociólogos, antropólogos y psicólogos. Se requiere que los alumnos cuenten con conocimientos básicos de epidemiologia y estadística.
- Deseablemente, contar con experiencia previa en el uso de los paquetes estadísticos STATA y R.