¿Por qué este Curso?
El modelaje matemático es una herramienta indispensable para informar la toma de decisiones en epidemiología. En este curso realizaremos un recorrido por algunos de los modelos estadísticos y de simulación de mayor relevancia, así como su programación en R.
Comenzaremos con los modelos clásicos de bioestadística: regresiones lineales y lineales generalizadas las cuales tienen el objetivo de analizar la influencia de factores en un resultado. Continuaremos con modelos para predecir series temporales (como casos de enfermedad a lo largo de semanas epidemiológicas), utilizaremos dichos modelos para plantear escenarios contrafactuales (para análisis ecológicos de causalidad). Analizaremos el potencial impacto de intervenciones no farmacológicas en el curso de una enfermedad mediante modelos de espacios de estados (Markov y Ecuaciones Diferenciales Ordinarias) y terminaremos con modelos jerárquicos (también llamados multinivel) combinando distintas fuentes de datos para análisis de enfermedades donde la geografía juega un papel importante.
Este curso enseñará a las alumnas y los alumnos a plantear, interpretar y programar en R modelos sencillos de regresión, series de tiempo, espacios de estados y modelos multinivel.
Objetivos del programa
El participante podrá:
a) Plantear, programar e interpretar los resultados de modelos de regresión lineal, series de tiempo, espacios de estados y jerárquicos en R.
b) Utilizar un modelo para realizar predicciones y cuantificar efectos de intervenciones.
Ruta de aprendizaje
Introducción al modelaje estadístico: planteamiento, evaluación y validación de modelos
Inferencia estadística en poblaciones finitas: Uso de encuestas nacionales
Modelos de estadística clásica en R: modelos lineales
Modelos de espacios de estados para series de tiempo
Teoría de la decisión estadística
Introducción al modelaje estadístico: planteamiento, evaluación y validación de modelos.
Inferencia estadística en poblaciones finitas: Uso de encuestas nacionales
Modelos de estadística clásica en R: modelos lineales
Modelos de espacios de estados para series de tiempo
Teoría de la decisión estadística
Uso de R para toma de decisiones en salud
Contenido del programa
Introducción al modelaje estadístico: planteamiento, evaluación y validación de modelos
- Qué es el modelaje estadístico.
- Planteamiento de modelos (selección de variables).
- Tipos de modelos.
- Modelos predictivos / inferenciales.
- Modelos clasificación / regresión.
- Métodos de evaluación y validación.
- División en conjuntos de entrenamiento / prueba.
- Estudio de residuales.
- Criterios de información.
Inferencia estadística en poblaciones finitas: Uso de encuestas nacionales
- Muestreo aleatorio simple.
- Muestreo aleatorio estratificado.
- Muestreo aleatorio complejo.
- Muestreo con probabilidades diferentes.
- Estudio de caso: La encuesta nacional de salud y nutrición (ENSANUT).
- Estimación mediante bootstrap.
Modelos de estadística clásica en R: modelos lineales
- Regresión lineal simple.
- Interpretación.
- Regresión lineal multivariada.
- Interacciones.
- Multicolinealidad.
- Diagnósticos.
- Interpretación.
- Modelos lineales generalizados.
- Regresión logística.
- Regresión Poisson.
- (opcional) Modelos GAM/LASSO.
Modelos de espacios de estados para series de tiempo
- Modelos de series de tiempo.
- Descomposición de series de tiempo.
- Modelo ARIMA / Exponencial.
- Algunos modelos más generales de espacios de estados.
Teoría de la decisión estadística
- Toma de decisiones bajo incertidumbre.
- Funciones de pérdida / utilidad.
- Teoría de la utilidad esperada.
- Inferencia y predicción estadística incluyendo funciones de utilidad.
- Integración de funciones de utilidad en modelos de regresión.
- Integración de funciones de utilidad en modelos de series de tiempo.
- Integración de funciones de utilidad en modelos de inferencia en poblaciones finitas.
Introducción al modelaje estadístico: planteamiento, evaluación y validación de modelos.
- Qué es el modelaje estadístico.
- Planteamiento de modelos (selección de variables).
- Tipos de modelos.
- Modelos predictivos / inferenciales.
- Modelos clasificación / regresión.
- Métodos de evaluación y validación.
- División en conjuntos de entrenamiento / prueba.
- Estudio de residuales.
- Criterios de información.
Inferencia estadística en poblaciones finitas: Uso de encuestas nacionales
- Muestreo aleatorio simple.
- Muestreo aleatorio estratificado.
- Muestreo aleatorio complejo.
- Muestreo con probabilidades diferentes.
- Estudio de caso: La encuesta nacional de salud y nutrición (ENSANUT).
- Estimación mediante bootstrap.
Modelos de estadística clásica en R: modelos lineales
- Regresión lineal simple.
- Interpretación.
- Regresión lineal multivariada.
- Interacciones.
- Multicolinealidad.
- Diagnósticos.
- Interpretación.
- Modelos lineales generalizados.
- Regresión logística.
- Regresión Poisson.
- (opcional) Modelos GAM/LASSO.
Modelos de espacios de estados para series de tiempo
- Modelos de series de tiempo.
- Descomposición de series de tiempo.
- Modelo ARIMA / Exponencial.
- Algunos modelos más generales de espacios de estados.
Teoría de la decisión estadística
- Toma de decisiones bajo incertidumbre.
- Funciones de pérdida / utilidad.
- Teoría de la utilidad esperada.
- Inferencia y predicción estadística incluyendo funciones de utilidad.
- Integración de funciones de utilidad en modelos de regresión.
- Integración de funciones de utilidad en modelos de series de tiempo.
- Integración de funciones de utilidad en modelos de inferencia en poblaciones finitas.
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
El curso está dirigido a profesionales del área de la salud y las ciencias sociales o disciplinas relacionadas, esto incluye áreas como medicina, nutrición, antropología, enfermería, sociología, epidemiología y psicología que cuentan con conocimientos previos de R básico (curso R básico).
- Se requiere un dominio básico en la lectura y programación de código usando el software R.
- Fluidez en el manejo de Rstudio.
- Dominio de sistema operativo para la gestión de archivos y sus directorios.