Journal Information
Vol. 15. Issue 4.
Pages 347-352 (June - August 2001)
Vol. 15. Issue 4.
Pages 347-352 (June - August 2001)
Open Access
El problema de las medidas repetidas. Análisis longitudinal en epidemiología
The problem of repeated measurements. Longitudinal analysis in epidemiology
Visits
9731
M. Sáez
Corresponding author
marc.saez@udg.es

Correspondencia: Dr. Marc Sáez. Grup de Recerca en Estadística, Economia Aplicada i Salut (GRECS). Departament d’Economia. Universitat de Girona. Campus de Montilivi, 17071 Girona.
Grup de Recerca en Estadística, Economia Aplicada i Salut (GRECS). Departament d'Economia. Universitat de Girona.
This item has received

Under a Creative Commons license
Article information
Resumen

La característica peculiar de los estudios longitudinales es la medición repetida a lo largo del tiempo en cada individuo o sujeto de estudio. En este sentido, son diseños mixtos, caracterizados por considerar simultáneamente dos o más dimensiones de análisis, en los que el tiempo constituye una de ellas.

El análisis longitudinal presenta importantes ventajas respecto a otros diseños. La más importante es que son más eficientes, al permitir distinguir variaciones inter e intraindividuales.

Cuando se pretenden realizar inferencias promedio o poblaciones, los estudios longitudinales pueden aproximarse usando un enfoque marginal, y para realizar inferencias individualizadas se deben utilizar los enfoques condicionales.

Los modelos estadísticos a utilizar dependen del tipo de variable- respuesta analizada. Si se trata de una variable distribuida normalmente, se utilizan modelos lineales mixtos. Cuando la variable-respuesta es cantitativa discreta se utilizan regresiones (mixtas) de Poisson, y regresiones (mixtas) logísticas binominales o multinominales, cuando la variable-respuesta es dicotómica o politómica, respectivamente.

Palabras clave:
Modelos mixtos
Análisis longitudinal
Enfoque marginal
Enfoque condicional
Modelo de efectos aleatorios
Summary

In longitudinal analyses subjects are repeatedly measured along time. They are mixed designs, characterised for their simultaneous consideration of two or more dimensions of analysis, in which time is one of the dimensions.

Longitudinal analyses have important advantages with respect other designs. The most important is that they are more efficient, since they allow to distinguish between-individual and within-individual variation.

Longitudinal analyses can be approached marginal and conditionally. Whereas the former allows to draw poblational, or average, inferences, the latter permits to draw individual inferences.

The statistical models to use depend on the type of response variable. If the dependent variable is normally distributed one will use linear mixed models. When the response is a count one will use mixed Poisson regressions. Mixed binomial or multinomial logistic regressions should be used when the response would be categorical.

Key words:
Mixed models
Longitudinal analyses
Marginal and conditional approaches
Random effects models
Full text is only aviable in PDF
Biblografía
[1.]
E. Sánchez-Cantalejo, R. Ocaña-Riola.
Los modelos multinivel o la importancia de la jerarquía.
Gac Sanit, 13 (1999), pp. 391-398
[2.]
J. Fusté, M. Rué.
Variabilidad en las actividades preventivas en los equipos de atención primaria de Cataluña. Aplicación del análisis de niveles múltiples.
Gac Sanit, 15 (2001), pp. 118-127
[3.]
H. Goldstein.
Multilevel statisticals models.
[4.]
J.J. Hox.
Applied multilevel analysis.
[5.]
A.S. Bryck, S.W. Raudenbush.
Hierarchical linear models: applications and data analysis methods.
[6.]
P.J. Diggle, K.Y. Liang, S.L. Zeger.
Analysis of longitudinal data.
[7.]
A. Cnaan, N.M. Laird, P. Slasor.
Using the general linear model to analyse unbalanced repeated measures and longitudinal data.
Stats Med, 16 (1997), pp. 2349-2380
[8.]
B. Rijken, J.P. Schouten, S. Weiss.
The relationship of nonspecific bronchial responsiveness to respiratory symptoms in a random population sample.
Am Rev Respir Dis, 136 (1987), pp. 62-68
[9.]
A. Muñoz, V. Carey, J.P. Schouten, M. Segal, B. Rosner.
A parametric family of correlation structures for the analysis of longitudinal data.
Biometrics, 48 (1992), pp. 733-742
[10.]
B.A. Brumback, L.M. Ryan, J. Schwartz, L.M. Neas, P.C. Stark, H.A. Burge.
Transitional regression models with application to environmental time series.
JASA, 95 (2000), pp. 16-22
[11.]
J.C. Pinheiro, D.M. Bates.
Mixed effects models in S and S-Plus.
[12.]
A.S. Bryk, S. Raudenbusch, R. Congdon.
Hierarchical linear and nonlinear modelling with the HLM/2L and HLM/3L programs.
[13.]
H. Brown, R. Prescott.
Applied mixed models in medicine.
[14.]
S-PLUS 2000 User’s Guide.
Data Analysis Products Division, MathSoft, (1999),
Copyright © 2001. Sociedad Española de Salud Pública y Administración Sanitaria
Download PDF
Idiomas
Gaceta Sanitaria
Article options
Tools
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?