array:19 [
  "pii" => "13012094"
  "issn" => "02139111"
  "estado" => "S300"
  "fechaPublicacion" => "1999-08-01"
  "documento" => "article"
  "crossmark" => 0
  "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
  "subdocumento" => "fla"
  "cita" => "Gac Sanit. 1999;13 Supl Congr 1:9016"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 2420
    "formatos" => array:3 [
      "EPUB" => 189
      "HTML" => 2116
      "PDF" => 115
    ]
  ]
  "itemSiguiente" => array:16 [
    "pii" => "13012097"
    "issn" => "02139111"
    "estado" => "S300"
    "fechaPublicacion" => "1999-08-01"
    "documento" => "article"
    "crossmark" => 0
    "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
    "subdocumento" => "fla"
    "cita" => "Gac Sanit. 1999;13 Supl Congr 1:9017"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 2063
      "formatos" => array:3 [
        "EPUB" => 150
        "HTML" => 1808
        "PDF" => 105
      ]
    ]
    "es" => array:6 [
      "idiomaDefecto" => true
      "titulo" => "PRESENTACIÓN DEL SISTEMA DE INFORMACIÓN GEOGRÁFICO. GIS-CV"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:1 [
          "paginaInicial" => "9017"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A Salazar, E Forcen, S Guiral, I Melchor, B Castaño, J Gil, F Bueno, M Sanz, E Bonilla"
          "autores" => array:9 [
            0 => array:2 [
              "Iniciales" => "A"
              "apellidos" => "Salazar"
            ]
            1 => array:2 [
              "Iniciales" => "E"
              "apellidos" => "Forcen"
            ]
            2 => array:2 [
              "Iniciales" => "S"
              "apellidos" => "Guiral"
            ]
            3 => array:2 [
              "Iniciales" => "I"
              "apellidos" => "Melchor"
            ]
            4 => array:2 [
              "Iniciales" => "B"
              "apellidos" => "Castaño"
            ]
            5 => array:2 [
              "Iniciales" => "J"
              "apellidos" => "Gil"
            ]
            6 => array:2 [
              "Iniciales" => "F"
              "apellidos" => "Bueno"
            ]
            7 => array:2 [
              "Iniciales" => "M"
              "apellidos" => "Sanz"
            ]
            8 => array:2 [
              "Iniciales" => "E"
              "apellidos" => "Bonilla"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13012097?idApp=WGSE"
    "url" => "/02139111/0000001300000SC1/v0_201302051654/13012097/v0_201302051655/es/main.assets"
  ]
  "itemAnterior" => array:16 [
    "pii" => "13012099"
    "issn" => "02139111"
    "estado" => "S300"
    "fechaPublicacion" => "1999-08-01"
    "documento" => "article"
    "crossmark" => 0
    "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
    "subdocumento" => "fla"
    "cita" => "Gac Sanit. 1999;13 Supl Congr 1:9015"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 3015
      "formatos" => array:3 [
        "EPUB" => 205
        "HTML" => 2662
        "PDF" => 148
      ]
    ]
    "es" => array:6 [
      "idiomaDefecto" => true
      "titulo" => "INCIDENCIA DE CÁNCER EN ASTURIAS: MAPAS MUNICIPALES USANDO ESTIMADORES BAYESIANOS"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:1 [
          "paginaInicial" => "9015"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "A Cañada Martínez, V Rodríguez Suárez"
          "autores" => array:2 [
            0 => array:2 [
              "Iniciales" => "A"
              "apellidos" => "Cañada Martínez"
            ]
            1 => array:2 [
              "Iniciales" => "V"
              "apellidos" => "Rodríguez Suárez"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13012099?idApp=WGSE"
    "url" => "/02139111/0000001300000SC1/v0_201302051654/13012099/v0_201302051655/es/main.assets"
  ]
  "es" => array:7 [
    "idiomaDefecto" => true
    "titulo" => "MODELOS BAYESIANOS PARA EL ANÁLISIS GEOGRÁFICO DE ENFERMEDADES"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:1 [
        "paginaInicial" => "9016"
      ]
    ]
    "autores" => array:1 [
      0 => array:2 [
        "autoresLista" => "R Ocaña-Riola, E Sánchez-Cantalejo, P Gutiérrez-Cuadra"
        "autores" => array:3 [
          0 => array:2 [
            "Iniciales" => "R"
            "apellidos" => "Ocaña-Riola"
          ]
          1 => array:2 [
            "Iniciales" => "E"
            "apellidos" => "Sánchez-Cantalejo"
          ]
          2 => array:2 [
            "Iniciales" => "P"
            "apellidos" => "Gutiérrez-Cuadra"
          ]
        ]
      ]
    ]
    "textoCompleto" => "<p class="elsevierStylePara"><span class="elsevierStyleBold">MODELOS BAYESIANOS PARA EL AN&#193;LISIS GEOGR&#193;FICO DE ENFERMEDADES</span></p><p class="elsevierStylePara">R&#46; Oca&#241;a-Riola&#44;&#42; E&#46; S&#225;nchez-Cantalejo&#44; P&#46; Guti&#233;rrez-Cuadra&#46;</p><p class="elsevierStylePara">Escuela Andaluza de Salud P&#250;blica&#46;</p><p class="elsevierStylePara">Campus Universitario de Cartuja&#46; Apdo de Correos 2070&#46; 18080 Granada&#46; Tel&#58; 958161044&#46; Fax&#58; 958161142&#46; E-mail&#58; ricardo&#64;easp&#46;es&#46;</p><p class="elsevierStylePara">Antecedentes y objetivos&#58; En los &#250;ltimos a&#241;os se ha producido un enorme inter&#233;s en el desarrollo de modelos estad&#237;sticos aplicados a estudios epidemiol&#243;gicos en peque&#241;as &#225;reas&#46; Tradicionalmente el modelo de regresi&#243;n de Poisson ha sido uno de los m&#225;s utilizados para el an&#225;lisis de la variabilidad geogr&#225;fica de las tasas estandarizadas de incidencia y mortalidad&#44; sin embargo&#44; a pesar de su importancia y utilidad&#44; este modelo presenta en ocasiones una sobredispersi&#243;n o variabilidad extra-Poisson debida a variables confundentes no controladas&#46; Este hecho ha promovido la aparici&#243;n de nuevas t&#233;cnicas estad&#237;sticas&#44; englobadas en lo que se conoce como An&#225;lisis Geogr&#225;fico o Espacial&#44; dedicadas a suavizar los mapas de enfermedades y determinar el patr&#243;n geogr&#225;fico seguido por la enfermedad estudiada&#46; Entre ellas&#44; los modelos bayesianos mixtos constituyen una novedosa e importante metodolog&#237;a para el an&#225;lisis de datos espaciales&#44; resolviendo el problema de la sobredispersi&#243;n de los m&#233;todos anteriores&#46; El objetivo de este trabajo es presentar los modelos bayesianos como una herramienta para el an&#225;lisis de datos geogr&#225;ficos en peque&#241;as &#225;reas&#46; La metodolog&#237;a se aplic&#243; al estudio de las variaciones espaciales de la incidencia de melanoma cut&#225;neo en la provincia de Granada durante el per&#237;odo 1985-1992&#46;</p><p class="elsevierStylePara">M&#233;todos&#58; Se realiz&#243; un estudio ecol&#243;gico donde la unidad de an&#225;lisis fue el municipio&#46; Para el an&#225;lisis se consideraron los 247 casos de melanoma cut&#225;neo recogidos por el Registro de C&#225;ncer de Granada durante el per&#237;odo 1985-1992&#46; En cada uno de los 168 municipios que forman la provincia de Granada se calcul&#243; la Raz&#243;n de Incidencia Estandarizada &#40;RIE&#41; tomando como referencia la poblaci&#243;n de la provincia en la mitad del per&#237;odo estudiado&#46; Para obtener la RIE suavizada se propuso un modelo bayesiano mixto&#44; con un t&#233;rmino aleatorio no estructurado que recoge la heterogeneidad entre &#225;reas y otro estructurado que explica la agrupaci&#243;n de casos o clustering alrededor de un &#225;rea&#46; Definiendo distribuciones <span class="elsevierStyleItalic">a priori</span> apropiadas se obtuvo la distribuci&#243;n <span class="elsevierStyleItalic">a posteriori</span> del riesgo relativo utilizando algoritmos Markov Chain Monte Carlo &#40;MCMC&#41;&#46; El programa estad&#237;stico empleado para estimar el modelo bayesiano fue WinBUGS&#46; La representaci&#243;n geogr&#225;fica de la RIE y la RIE suavizada se realiz&#243; con el programa EpiMap&#46;</p><p class="elsevierStylePara">Resultados&#58; Un mapa de la RIE suavizada mediante un modelo bayesiano permiti&#243; realizar un an&#225;lisis geogr&#225;fico del melanoma cut&#225;neo en la provincia de Granada&#46; Esta distribuci&#243;n espacial sigui&#243; un patr&#243;n en c&#237;rculos conc&#233;ntricos&#44; con unas tasas m&#225;s elevadas alrededor de la capital que disminuyen progresivamente hacia la periferia&#46;</p><p class="elsevierStylePara">Conclusiones&#58; Los modelos bayesianos son una potente herramienta para el an&#225;lisis geogr&#225;fico de enfermedades dada su capacidad para detectar tanto la heterogeneidad entre peque&#241;as &#225;reas como la formaci&#243;n de clusters o agrupaciones de casos&#46; La metodolog&#237;a mostrada ofrece una descripci&#243;n v&#225;lida y fiable de lo que sucede en la regi&#243;n estudiada&#44; siendo posible adem&#225;s incluir variables explicativas en la modelizaci&#243;n del riesgo&#46; El control de variables confundentes en el modelo puede ayudar al estudio de factores etiol&#243;gicos de la enfermedad&#44; raz&#243;n por la que estos m&#233;todos est&#225;n siendo aplicados cada vez con mayor frecuencia en estudios ecol&#243;gicos&#46;</p>"
    "tienePdf" => false
  ]
  "idiomaDefecto" => "es"
  "url" => "/02139111/0000001300000SC1/v0_201302051654/13012094/v0_201302051655/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "830"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Mesa de comunicaciones&#46; M&#233;todos de representaci&#243;n geogr&#225;fica"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13012094?idApp=WGSE"
]
Compartir
Publique en esta revista
Información de la revista
Vol. 13. Núm. SC1.
Páginas 9016 (agosto 1999)
Respuestas rápidas
Compartir
Compartir
Más opciones de artículo
Vol. 13. Núm. SC1.
Páginas 9016 (agosto 1999)
Acceso a texto completo
MODELOS BAYESIANOS PARA EL ANÁLISIS GEOGRÁFICO DE ENFERMEDADES
Visitas
848
R. Ocaña-Riola, E. Sánchez-Cantalejo, P. Gutiérrez-Cuadra
Este artículo ha recibido
Información del artículo
Texto completo
Estadísticas
Texto completo

MODELOS BAYESIANOS PARA EL ANÁLISIS GEOGRÁFICO DE ENFERMEDADES

R. Ocaña-Riola,* E. Sánchez-Cantalejo, P. Gutiérrez-Cuadra.

Escuela Andaluza de Salud Pública.

Campus Universitario de Cartuja. Apdo de Correos 2070. 18080 Granada. Tel: 958161044. Fax: 958161142. E-mail: ricardo@easp.es.

Antecedentes y objetivos: En los últimos años se ha producido un enorme interés en el desarrollo de modelos estadísticos aplicados a estudios epidemiológicos en pequeñas áreas. Tradicionalmente el modelo de regresión de Poisson ha sido uno de los más utilizados para el análisis de la variabilidad geográfica de las tasas estandarizadas de incidencia y mortalidad, sin embargo, a pesar de su importancia y utilidad, este modelo presenta en ocasiones una sobredispersión o variabilidad extra-Poisson debida a variables confundentes no controladas. Este hecho ha promovido la aparición de nuevas técnicas estadísticas, englobadas en lo que se conoce como Análisis Geográfico o Espacial, dedicadas a suavizar los mapas de enfermedades y determinar el patrón geográfico seguido por la enfermedad estudiada. Entre ellas, los modelos bayesianos mixtos constituyen una novedosa e importante metodología para el análisis de datos espaciales, resolviendo el problema de la sobredispersión de los métodos anteriores. El objetivo de este trabajo es presentar los modelos bayesianos como una herramienta para el análisis de datos geográficos en pequeñas áreas. La metodología se aplicó al estudio de las variaciones espaciales de la incidencia de melanoma cutáneo en la provincia de Granada durante el período 1985-1992.

Métodos: Se realizó un estudio ecológico donde la unidad de análisis fue el municipio. Para el análisis se consideraron los 247 casos de melanoma cutáneo recogidos por el Registro de Cáncer de Granada durante el período 1985-1992. En cada uno de los 168 municipios que forman la provincia de Granada se calculó la Razón de Incidencia Estandarizada (RIE) tomando como referencia la población de la provincia en la mitad del período estudiado. Para obtener la RIE suavizada se propuso un modelo bayesiano mixto, con un término aleatorio no estructurado que recoge la heterogeneidad entre áreas y otro estructurado que explica la agrupación de casos o clustering alrededor de un área. Definiendo distribuciones a priori apropiadas se obtuvo la distribución a posteriori del riesgo relativo utilizando algoritmos Markov Chain Monte Carlo (MCMC). El programa estadístico empleado para estimar el modelo bayesiano fue WinBUGS. La representación geográfica de la RIE y la RIE suavizada se realizó con el programa EpiMap.

Resultados: Un mapa de la RIE suavizada mediante un modelo bayesiano permitió realizar un análisis geográfico del melanoma cutáneo en la provincia de Granada. Esta distribución espacial siguió un patrón en círculos concéntricos, con unas tasas más elevadas alrededor de la capital que disminuyen progresivamente hacia la periferia.

Conclusiones: Los modelos bayesianos son una potente herramienta para el análisis geográfico de enfermedades dada su capacidad para detectar tanto la heterogeneidad entre pequeñas áreas como la formación de clusters o agrupaciones de casos. La metodología mostrada ofrece una descripción válida y fiable de lo que sucede en la región estudiada, siendo posible además incluir variables explicativas en la modelización del riesgo. El control de variables confundentes en el modelo puede ayudar al estudio de factores etiológicos de la enfermedad, razón por la que estos métodos están siendo aplicados cada vez con mayor frecuencia en estudios ecológicos.

Idiomas
Gaceta Sanitaria
Opciones de artículo
Herramientas
es en

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

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