array:24 [
  "pii" => "S0213911116302540"
  "issn" => "02139111"
  "doi" => "10.1016/j.gaceta.2016.10.003"
  "estado" => "S300"
  "fechaPublicacion" => "2017-05-01"
  "aid" => "1370"
  "copyright" => "SESPAS"
  "copyrightAnyo" => "2016"
  "documento" => "article"
  "crossmark" => 1
  "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
  "subdocumento" => "fla"
  "cita" => "Gac Sanit. 2017;31:235-7"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 3144
    "formatos" => array:3 [
      "EPUB" => 262
      "HTML" => 1855
      "PDF" => 1027
    ]
  ]
  "itemSiguiente" => array:19 [
    "pii" => "S0213911117300080"
    "issn" => "02139111"
    "doi" => "10.1016/j.gaceta.2016.11.007"
    "estado" => "S300"
    "fechaPublicacion" => "2017-05-01"
    "aid" => "1387"
    "copyright" => "SESPAS"
    "documento" => "simple-article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "crp"
    "cita" => "Gac Sanit. 2017;31:238-41"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 5470
      "formatos" => array:3 [
        "EPUB" => 304
        "HTML" => 4015
        "PDF" => 1151
      ]
    ]
    "es" => array:12 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Nota de campo</span>"
      "titulo" => "Importancia del proceso en la evaluaci&#243;n de la efectividad de una intervenci&#243;n sobre obesidad infantil"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "tieneResumen" => array:2 [
        0 => "es"
        1 => "en"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "238"
          "paginaFinal" => "241"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "The importance of the process in evaluating the effectiveness of a childhood obesity campaign"
        ]
      ]
      "contieneResumen" => array:2 [
        "es" => true
        "en" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Carmen Lineros-Gonz&#225;lez, Jorge Marcos-Marcos, Carles Ariza, Mariano Hern&#225;n-Garc&#237;a"
          "autores" => array:5 [
            0 => array:2 [
              "nombre" => "Carmen"
              "apellidos" => "Lineros-Gonz&#225;lez"
            ]
            1 => array:2 [
              "nombre" => "Jorge"
              "apellidos" => "Marcos-Marcos"
            ]
            2 => array:2 [
              "nombre" => "Carles"
              "apellidos" => "Ariza"
            ]
            3 => array:2 [
              "nombre" => "Mariano"
              "apellidos" => "Hern&#225;n-Garc&#237;a"
            ]
            4 => array:1 [
              "colaborador" => "Grupo PREVIENE"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0213911117300080?idApp=WGSE"
    "url" => "/02139111/0000003100000003/v3_201904190640/S0213911117300080/v3_201904190640/es/main.assets"
  ]
  "itemAnterior" => array:19 [
    "pii" => "S0213911116302102"
    "issn" => "02139111"
    "doi" => "10.1016/j.gaceta.2016.09.004"
    "estado" => "S300"
    "fechaPublicacion" => "2017-05-01"
    "aid" => "1356"
    "copyright" => "SESPAS"
    "documento" => "article"
    "crossmark" => 1
    "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/"
    "subdocumento" => "fla"
    "cita" => "Gac Sanit. 2017;31:227-34"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 3448
      "formatos" => array:3 [
        "EPUB" => 228
        "HTML" => 2317
        "PDF" => 903
      ]
    ]
    "en" => array:12 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Original article</span>"
      "titulo" => "Analyzing recurrent events when the history of previous episodes is unknown or not taken into account&#58; proceed with caution"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "tieneResumen" => array:2 [
        0 => "en"
        1 => "es"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "227"
          "paginaFinal" => "234"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "An&#225;lisis de eventos recurrentes cuando la historia de episodios previos es desconocida o no se tiene en cuenta&#58; proceder con cautela"
        ]
      ]
      "contieneResumen" => array:2 [
        "en" => true
        "es" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Albert Navarro, Georgina Casanovas, Sergio Alvarado, David Mori&#241;a"
          "autores" => array:4 [
            0 => array:2 [
              "nombre" => "Albert"
              "apellidos" => "Navarro"
            ]
            1 => array:2 [
              "nombre" => "Georgina"
              "apellidos" => "Casanovas"
            ]
            2 => array:2 [
              "nombre" => "Sergio"
              "apellidos" => "Alvarado"
            ]
            3 => array:2 [
              "nombre" => "David"
              "apellidos" => "Mori&#241;a"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0213911116302102?idApp=WGSE"
    "url" => "/02139111/0000003100000003/v3_201904190640/S0213911116302102/v3_201904190640/en/main.assets"
  ]
  "es" => array:19 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Nota metodol&#243;gica</span>"
    "titulo" => "<span class="elsevierStyleItalic">Multivariate Adaptative Regression Splines</span> &#40;MARS&#41;&#44; una alternativa para el an&#225;lisis de series de tiempo"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "235"
        "paginaFinal" => "237"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "Jairo Vanegas, Fabi&#225;n V&#225;squez"
        "autores" => array:2 [
          0 => array:4 [
            "nombre" => "Jairo"
            "apellidos" => "Vanegas"
            "email" => array:1 [
              0 => "jairo&#46;vanegas&#46;l&#64;usach&#46;cl"
            ]
            "referencia" => array:2 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">&#42;</span>"
                "identificador" => "cor0005"
              ]
            ]
          ]
          1 => array:3 [
            "nombre" => "Fabi&#225;n"
            "apellidos" => "V&#225;squez"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:2 [
          0 => array:3 [
            "entidad" => "Facultad de Ciencias M&#233;dicas&#44; Escuela de Obstetricia y Puericultura&#44; Universidad de Santiago de Chile&#44; Santiago de Chile&#44; Chile"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Instituto de Nutrici&#243;n y Tecnolog&#237;a de los Alimentos &#40;INTA&#41;&#44; Universidad de Chile&#44; Santiago de Chile&#44; Chile"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Multivariate Adaptive Regression Splines &#40;MARS&#41;&#44; an alternative for the analysis of time series"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 0
      "multimedia" => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 1197
            "Ancho" => 1647
            "Tamanyo" => 93498
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Tasa de mortalidad en menores de 5 a&#241;os&#46; Tasas observadas&#44; predichas y punto de corte detectado con MARS&#46; Costa Rica&#44; 1978-2008&#46;</p>"
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Introducci&#243;n</span><p id="par0005" class="elsevierStylePara elsevierViewall">El desarrollo de un buen modelo de regresi&#243;n requiere tiempo y una considerable experiencia de modelizaci&#243;n&#46; Sin embargo&#44; con el advenimiento de la <span class="elsevierStyleItalic">Multivariate Adaptative Regression Splines</span> &#40;MARS&#41; los modelos de regresi&#243;n pueden ser desarrollados de manera sistem&#225;tica y autom&#225;tica sin la limitaci&#243;n de los supuestos que deben cumplir los modelos de regresi&#243;n tradicionales<a class="elsevierStyleCrossRef" href="#bib0055"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">MARS es una herramienta flexible que automatiza la construcci&#243;n de modelos de predicci&#243;n&#44; permitiendo la selecci&#243;n de variables relevantes&#44; la transformaci&#243;n de las variables predictoras&#44; establecer las interacciones de las variables predictoras&#44; el tratamiento de los valores perdidos y un autotest para protegerse del sobreajuste&#46; Finalmente&#44; puede revelar patrones y relaciones que es dif&#237;cil&#44; si no imposible&#44; que otros m&#233;todos puedan revelar<a class="elsevierStyleCrossRefs" href="#bib0055"><span class="elsevierStyleSup">1&#44;2</span></a>&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">Esta herramienta a&#250;n es poco conocida en el &#225;mbito de la salud y podr&#237;a ser de gran utilidad para la evaluaci&#243;n de datos&#44; incluyendo aquellos que se encuentran en forma agregada&#44; como es el caso de la mayor&#237;a de los datos relacionados con la salud<a class="elsevierStyleCrossRefs" href="#bib0065"><span class="elsevierStyleSup">3&#44;4</span></a>&#46;</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">Exposici&#243;n del m&#233;todo</span><p id="par0020" class="elsevierStylePara elsevierViewall">MARS es un m&#233;todo de modelaci&#243;n no param&#233;trico que extiende el modelo lineal incorporando no linealidades e interacciones de variables&#46; Es una generalizaci&#243;n de la <span class="elsevierStyleItalic">Recursive Partitioning Regression</span> &#40;RPR&#41;&#44; que divide el espacio de las variables predictoras en diferentes subregiones<a class="elsevierStyleCrossRefs" href="#bib0075"><span class="elsevierStyleSup">5&#44;6</span></a>&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">El modelo puede escribirse como&#58;<elsevierMultimedia ident="eq0005"></elsevierMultimedia></p><p id="par0030" class="elsevierStylePara elsevierViewall">donde <span class="elsevierStyleItalic">y</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">t</span></span> es la variable respuesta en el instante <span class="elsevierStyleItalic">t</span> y <span class="elsevierStyleItalic">&#946;</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> son los par&#225;metros del modelo para las respectivas variables <span class="elsevierStyleItalic">x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span>&#44; que van de <span class="elsevierStyleItalic">i</span><span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>1&#44; &#8230;&#44; <span class="elsevierStyleItalic">k</span>&#46; El valor <span class="elsevierStyleItalic">&#946;</span><span class="elsevierStyleInf">0</span> representa al intercepto&#44; las funciones bases <span class="elsevierStyleItalic">B&#40;x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span><span class="elsevierStyleItalic">&#41;</span> son funciones que dependen de las respectivas variables <span class="elsevierStyleItalic">x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span>&#44; en donde cada <span class="elsevierStyleItalic">B&#40;x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span><span class="elsevierStyleItalic">&#41;</span> puede escribirse como <span class="elsevierStyleItalic">B&#40;x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span><span class="elsevierStyleItalic">&#41;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">&#61;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">max&#40;0&#44; x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span><span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">c&#41;</span> o <span class="elsevierStyleItalic">B&#40;x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span><span class="elsevierStyleItalic">&#41;<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>max&#40;0&#44; c<span class="elsevierStyleHsp" style=""></span></span>&#8722;<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">it</span></span><span class="elsevierStyleItalic">&#41;</span>&#44; <span class="elsevierStyleItalic">c</span> es un valor umbral y <span class="elsevierStyleItalic">k</span> representa el n&#250;mero de explicativas&#44; que incluye interacciones de las variables predictoras&#46; Los puntos de partici&#243;n del espacio y los par&#225;metros de los modelos se obtienen a partir de los datos analizados&#46; El n&#250;mero de funciones base resultantes indica la complejidad del modelo<a class="elsevierStyleCrossRef" href="#bib0085"><span class="elsevierStyleSup">7</span></a>&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">MARS genera puntos de corte para las diferentes variables&#46; Los puntos son identificados a trav&#233;s de las funciones basales&#44; las que indican el inicio y el t&#233;rmino de una regi&#243;n&#46; En cada regi&#243;n en que se va dividiendo el espacio se ajusta una funci&#243;n base de una variable&#44; la cual es lineal&#46; El modelo final se constituye como una combinaci&#243;n de las funciones base generadas&#46; Para determinar estos puntos de corte usa un algoritmo <span class="elsevierStyleItalic">forward&#47;backward stepwise</span> por etapas&#46; Primero&#44; mediante el algoritmo <span class="elsevierStyleItalic">forward stepwise</span> se genera un modelo sobreestimado con un gran n&#250;mero de funciones base&#59; posteriormente&#44; mediante el algoritmo <span class="elsevierStyleItalic">backward stepwise</span>&#44; se eliminan los nodos que menos contribuyen al ajuste global&#46; El algoritmo se detiene cuando la aproximaci&#243;n construida incluye un n&#250;mero m&#225;ximo de funciones fijadas por el investigador&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">Cuando un investigador tiene varios modelos te&#243;ricos y se desea identificar el mejor&#44; pueden utilizarse los siguientes estad&#237;sticos<a class="elsevierStyleCrossRefs" href="#bib0090"><span class="elsevierStyleSup">8&#8211;10</span></a>&#58;<ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">&#8226;</span><p id="par0045" class="elsevierStylePara elsevierViewall">Criterio de validaci&#243;n cruzada &#40;GCV&#41;&#44; propuesto por Friedman<a class="elsevierStyleCrossRef" href="#bib0080"><span class="elsevierStyleSup">6</span></a>&#44; medida de ajuste a los datos y penalizaci&#243;n&#44; debido a la complejidad del modelo y el aumento de la varianza&#46; Seg&#250;n este criterio&#44; un modelo m&#225;s sencillo puede ser preferido frente a otro m&#225;s complejo&#46;</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">&#8226;</span><p id="par0050" class="elsevierStylePara elsevierViewall">Coeficiente de determinaci&#243;n &#40;R<a class="elsevierStyleCrossRef" href="#bib0060"><span class="elsevierStyleSup">2</span></a> ajustado&#41; entre el valor observado y el predicho&#44; el cual permite la adecuaci&#243;n del modelo utilizado para las predicciones&#46;</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">&#8226;</span><p id="par0055" class="elsevierStylePara elsevierViewall">La proporci&#243;n media de error absoluto &#40;mpab&#41;&#44; que viene dada por los valores observados y el valor predicho&#58;</p></li></ul><elsevierMultimedia ident="eq0010"></elsevierMultimedia></p><p id="par0060" class="elsevierStylePara elsevierViewall">Muestra el porcentaje de error en que se incurre en la predicci&#243;n en comparaci&#243;n con los datos observados&#44; consider&#225;ndose que el mejor modelo es aquel que tiene el porcentaje de error m&#225;s bajo&#46;</p><p id="par0065" class="elsevierStylePara elsevierViewall">Entre los <span class="elsevierStyleItalic">softwares</span> estad&#237;sticos disponibles para aplicar MARS cabe destacar el paquete estad&#237;stico R&#44; Matlab&#44; Python&#44; Salford Predictive Modeler &#40;SPM 8&#41;&#44; Statitstica Data Miner- StatSoft y Adaptivreg para SAS&#46;</p></span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Aplicaci&#243;n pr&#225;ctica</span><p id="par0070" class="elsevierStylePara elsevierViewall">Para ejemplificar el modelo MARS se utilizan las tasas de mortalidad en menores de 5 a&#241;os de Costa Rica y las variables relacionadas con indicadores sociales y econ&#243;micos&#44; entre 1978 y 2008 &#40;a&#241;o&#44; tasa global de fecundidad&#44; partos hospitalarios&#44; poblaci&#243;n menor de 1 a&#241;o vacunada contra el sarampi&#243;n&#44; analfabetismo femenino mayor de 15 a&#241;os&#44; producto interior bruto &#91;PIB&#93; per c&#225;pita&#44; gasto social en salud&#44; gasto social en educaci&#243;n&#44; agua potable&#44; pobreza y extrema pobreza&#44; tasa de desempleo y control prenatal&#41;&#59; variables no estacionarias&#44; pero cointegradas&#46;</p><p id="par0075" class="elsevierStylePara elsevierViewall">De la serie de 31 a&#241;os &#40;1978-2008&#41; se extrajeron los &#250;ltimos 3 a&#241;os para conformar una muestra de entrenamiento y una de validaci&#243;n&#44; esta &#250;ltima compuesta por valores observados y predichos&#46;</p><p id="par0080" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a> presenta el modelo expl&#237;cito y las funciones base seleccionadas&#46; El modelo selecciona las variables m&#225;s relevantes&#58; a&#241;o&#44; ni&#241;os vacunados contra el sarampi&#243;n&#44; PIB per c&#225;pita&#44; porcentaje de pobreza&#44; gasto social en educaci&#243;n per c&#225;pita y tasa global de fecundidad&#46; Tambi&#233;n se identifican un punto de corte que corresponde al a&#241;o 1988 y una interacci&#243;n entre tasa global de fecundidad y pobreza&#46;</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0085" class="elsevierStylePara elsevierViewall">Las funciones base &#8722;0&#44;11 &#42; max&#40;0&#59; a&#241;os<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>1988&#41;<span class="elsevierStyleHsp" style=""></span>&#43;<span class="elsevierStyleHsp" style=""></span>0&#44;31 &#42; max&#40;0&#59; 1988<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>a&#241;os&#41; identifican el punto de corte en el a&#241;o 1988&#46; La interpretaci&#243;n sugiere que a partir de este a&#241;o el comportamiento de las tasas de mortalidad en menores de 5 a&#241;os se modifican en su velocidad de descenso &#40;<a class="elsevierStyleCrossRef" href="#fig0005">fig&#46; 1</a>&#41;&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><p id="par0090" class="elsevierStylePara elsevierViewall">En cada una de las siguientes funciones base se observan los valores de las variables estructurales relacionados con los a&#241;os de la serie de tiempo &#40;1978-2008&#41;&#46;</p><p id="par0095" class="elsevierStylePara elsevierViewall">La funci&#243;n &#8722;0&#44;01 &#42; max&#40;0&#59; 86<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>vacunados sarampi&#243;n&#41; identifica un punto de corte en 1996&#44; con un reporte del 86&#37; de inmunizados&#46; Por debajo de este porcentaje se generar&#237;an bolsones de poblaci&#243;n susceptibles a una epidemia&#46;</p><p id="par0100" class="elsevierStylePara elsevierViewall">La funci&#243;n 0&#44;02 &#42; max&#40;0&#59; 198&#44;86<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>gasto social en educaci&#243;n per c&#225;pita&#41; establece un punto de corte en 1994 correspondiente a US&#36; 198 per c&#225;pita&#46; Valores superiores al punto de corte tienen efectos positivos en la reducci&#243;n de la tasa de mortalidad&#46;</p><p id="par0105" class="elsevierStylePara elsevierViewall">La funci&#243;n 0&#44;0003 &#42; max&#40;0&#59; PIB per c&#225;pita<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>3116&#41; presenta un punto de corte en US&#36; 3116 d&#243;lares per c&#225;pita reportado para el a&#241;o 1991&#46; Anterior al punto de corte&#44; el PIB per c&#225;pita tiene poco efecto sobre la tasa de mortalidad&#46;</p><p id="par0110" class="elsevierStylePara elsevierViewall">Finalmente&#44; la interacci&#243;n &#8722;0&#44;08 &#42; max&#40;0&#59; tasa global fecundidad<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>3&#44;2&#41; &#42; max&#40;0&#59; pobreza<span class="elsevierStyleHsp" style=""></span>&#8722;<span class="elsevierStyleHsp" style=""></span>16&#44;7&#41;&#44; sugiere efectos sobre la reducci&#243;n de las tasas de mortalidad entre los a&#241;os 1990 y 2007 con 3&#44;2 hijos y un 16&#44;7&#37; de pobreza&#46; En este periodo se inicia una reducci&#243;n de las tasas de fecundidad en un contexto de reducci&#243;n del porcentaje de la pobreza&#46; La tasa de mortalidad pasa de 16&#44;2 a 10 por 1000 nacidos vivos&#46;</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Conclusiones</span><p id="par0115" class="elsevierStylePara elsevierViewall">MARS permite automatizar los aspectos de modelaci&#243;n de la regresi&#243;n cl&#225;sica&#44; seleccionando las variables predictoras&#44; estimando los valores perdidos&#44; transformando variables&#44; detectando interacciones&#44; contrastando y asegurando la correcta construcci&#243;n del modelo&#44; y permitiendo resultados m&#225;s exactos y completos&#46;</p><p id="par0120" class="elsevierStylePara elsevierViewall">En el ejemplo&#44; MARS permite configurar modelos hipot&#233;ticos y escenarios de car&#225;cter predictivos tomando en cuenta los factores estructurales que pudieran estar influyendo sobre la velocidad de descenso de la tasa de mortalidad&#46; El resultado final permitir&#237;a identificar hitos relevantes&#44; como el impacto de una pol&#237;tica p&#250;blica sobre el tiempo&#44; deducir hasta d&#243;nde esta logra influenciar positivamente en la variable respuesta y cu&#225;ndo empieza a perder influencia&#46;</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Editor responsable del art&#237;culo</span><p id="par0125" class="elsevierStylePara elsevierViewall">Miguel &#193;ngel Negr&#237;n Hern&#225;ndez&#46;</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Declaraci&#243;n de transparencia</span><p id="par0130" class="elsevierStylePara elsevierViewall">El autor principal &#40;garante responsable del manuscrito&#41; afirma que este manuscrito es un reporte honesto&#44; preciso y transparente del estudio que se remite a <span class="elsevierStyleSmallCaps">Gaceta Sanitaria&#44;</span> que no se han omitido aspectos importantes del estudio&#44; y que las discrepancias del estudio seg&#250;n lo previsto &#40;y&#44; si son relevantes&#44; registradas&#41; se han explicado&#46;</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Contribuciones de autor&#237;a</span><p id="par0135" class="elsevierStylePara elsevierViewall">J&#46; Vanegas&#58; investigador principal&#44; recolecci&#243;n de datos&#44; an&#225;lisis de datos y redacci&#243;n del documento&#46; F&#46; V&#225;squez&#58; coinvestigador&#44; contribuci&#243;n en el an&#225;lisis de los datos&#44; correcci&#243;n del manuscrito y redacci&#243;n final&#46;</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">Financiaci&#243;n</span><p id="par0140" class="elsevierStylePara elsevierViewall">Comisi&#243;n Nacional Cient&#237;fica y Tecnol&#243;gica &#40;CONICYT&#41;&#46; Programa de inserci&#243;n de capital humano avanzado&#46; Proyectos N&#176; 791220020&#46;</p><p id="par0145" class="elsevierStylePara elsevierViewall">Programa FONDECYT de Postdoctorado&#46; Proyecto 3140344&#46;</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Conflicto de intereses</span><p id="par0150" class="elsevierStylePara elsevierViewall">Ninguno&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:14 [
        0 => array:3 [
          "identificador" => "xres1181660"
          "titulo" => "Resumen"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0005"
            ]
          ]
        ]
        1 => array:2 [
          "identificador" => "xpalclavsec1102494"
          "titulo" => "Palabras clave"
        ]
        2 => array:3 [
          "identificador" => "xres1181659"
          "titulo" => "Abstract"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0010"
            ]
          ]
        ]
        3 => array:2 [
          "identificador" => "xpalclavsec1102493"
          "titulo" => "Keywords"
        ]
        4 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Introducci&#243;n"
        ]
        5 => array:2 [
          "identificador" => "sec0010"
          "titulo" => "Exposici&#243;n del m&#233;todo"
        ]
        6 => array:2 [
          "identificador" => "sec0015"
          "titulo" => "Aplicaci&#243;n pr&#225;ctica"
        ]
        7 => array:2 [
          "identificador" => "sec0020"
          "titulo" => "Conclusiones"
        ]
        8 => array:2 [
          "identificador" => "sec0025"
          "titulo" => "Editor responsable del art&#237;culo"
        ]
        9 => array:2 [
          "identificador" => "sec0030"
          "titulo" => "Declaraci&#243;n de transparencia"
        ]
        10 => array:2 [
          "identificador" => "sec0035"
          "titulo" => "Contribuciones de autor&#237;a"
        ]
        11 => array:2 [
          "identificador" => "sec0040"
          "titulo" => "Financiaci&#243;n"
        ]
        12 => array:2 [
          "identificador" => "sec0045"
          "titulo" => "Conflicto de intereses"
        ]
        13 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "fechaRecibido" => "2016-03-19"
    "fechaAceptado" => "2016-10-06"
    "PalabrasClave" => array:2 [
      "es" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Palabras clave"
          "identificador" => "xpalclavsec1102494"
          "palabras" => array:3 [
            0 => "Metodolog&#237;a"
            1 => "Estad&#237;stica no param&#233;trica"
            2 => "Predicci&#243;n"
          ]
        ]
      ]
      "en" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Keywords"
          "identificador" => "xpalclavsec1102493"
          "palabras" => array:3 [
            0 => "Methods"
            1 => "Non-parametric statistics"
            2 => "Forecasting"
          ]
        ]
      ]
    ]
    "tieneResumen" => true
    "resumen" => array:2 [
      "es" => array:2 [
        "titulo" => "Resumen"
        "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><span class="elsevierStyleItalic">Multivariate Adaptative Regression Splines</span> &#40;MARS&#41; es un m&#233;todo de modelaci&#243;n no param&#233;trico que extiende el modelo lineal incorporando no linealidades e interacciones de variables&#46; Es una herramienta flexible que automatiza la construcci&#243;n de modelos de predicci&#243;n&#44; seleccionando variables relevantes&#44; transformando las variables predictoras&#44; tratando valores perdidos y previniendo sobreajustes mediante un autotest&#46; Tambi&#233;n permite predecir tomando en cuenta factores estructurales que pudieran tener influencia sobre la variable respuesta&#44; generando modelos hipot&#233;ticos&#46; El resultado final servir&#237;a para identificar puntos de corte relevantes en series de datos&#46; En el &#225;rea de la salud es poco utilizado&#44; por lo que se propone como una herramienta m&#225;s para la evaluaci&#243;n de indicadores relevantes en salud p&#250;blica&#46; Para efectos demostrativos se utilizaron series de datos de mortalidad de menores de 5 a&#241;os de Costa Rica en el periodo 1978-2008&#46;</p></span>"
      ]
      "en" => array:2 [
        "titulo" => "Abstract"
        "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Multivariate Adaptive Regression Splines &#40;MARS&#41; is a non-parametric modelling method that extends the linear model&#44; incorporating nonlinearities and interactions between variables&#46; It is a flexible tool that automates the construction of predictive models&#58; selecting relevant variables&#44; transforming the predictor variables&#44; processing missing values and preventing overshooting using a self-test&#46; It is also able to predict&#44; taking into account structural factors that might influence the outcome variable&#44; thereby generating hypothetical models&#46; The end result could identify relevant cut-off points in data series&#46; It is rarely used in health&#44; so it is proposed as a tool for the evaluation of relevant public health indicators&#46; For demonstrative purposes&#44; data series regarding the mortality of children under 5 years of age in Costa Rica were used&#44; comprising the period 1978&#8211;2008&#46;</p></span>"
      ]
    ]
    "multimedia" => array:4 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 1197
            "Ancho" => 1647
            "Tamanyo" => 93498
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Tasa de mortalidad en menores de 5 a&#241;os&#46; Tasas observadas&#44; predichas y punto de corte detectado con MARS&#46; Costa Rica&#44; 1978-2008&#46;</p>"
        ]
      ]
      1 => array:8 [
        "identificador" => "tbl0005"
        "etiqueta" => "Tabla 1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at1"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:2 [
          "leyenda" => "<p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">GCV&#58; criterio de validaci&#243;n cruzada&#59; mpab&#58; proporci&#243;n media de error absoluto&#59; PIB&#58; producto interior bruto&#46;</p><p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Fuente&#58; elaboraci&#243;n propia a partir de datos de CEPAL&#44; 1978-2008&#46;</p>"
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Modelos de regresi&#243;n MARS&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">A&#241;os&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Valor observado&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Valor predicho&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">R<a class="elsevierStyleCrossRef" href="#bib0060"><span class="elsevierStyleSup">2</span></a> ajustado&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">GCV<span class="elsevierStyleSup">a</span>&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">mpab<span class="elsevierStyleSup">b</span> &#40;&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="table-entry  " rowspan="3" align="left" valign="top">Tasa<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>3&#44;74&#8211;0&#44;11 &#42; max&#40;0&#59; a&#241;os&#8211;1988&#41;<span class="elsevierStyleHsp" style=""></span>&#43;<span class="elsevierStyleHsp" style=""></span>0&#44;31 &#42; max&#40;0&#59; 1988 - a&#241;os&#41;&#8211;0&#44;01 &#42; max&#40;0&#59; 86&#8211;vacunados sarampi&#243;n&#41;<span class="elsevierStyleHsp" style=""></span>&#43;<span class="elsevierStyleHsp" style=""></span>0&#44;0003 &#42; max&#40;0&#59; PIB per c&#225;pita&#8211;3116&#41;&#8211;0&#44;03 &#42; max&#40;0&#59; pobreza&#8211;16&#44;7&#41;<span class="elsevierStyleHsp" style=""></span>&#43;<span class="elsevierStyleHsp" style=""></span>0&#44;02 &#42; max&#40;0&#59; 198&#44;86&#8211;gasto social educaci&#243;n per c&#225;pita&#41;&#8211;0&#44;08 &#42; max&#40;0&#59; tasa global fecundidad&#8211;3&#44;2&#41; &#42; max&#40;0&#59; pobreza&#8211;16&#44;7&#41;</td><td class="td" title="table-entry  " align="left" valign="top">2006&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;19&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;19&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">98&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;062&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">2007&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;40&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;29&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">2008&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;09&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;15&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab2013823.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Resumen de modelos de predicci&#243;n obtenidos a trav&#233;s de modelos MARS&#46; Costa Rica&#44; 1978-2008</p>"
        ]
      ]
      2 => array:5 [
        "identificador" => "eq0005"
        "tipo" => "MULTIMEDIAFORMULA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "Formula" => array:5 [
          "Matematica" => "yt&#61;fxt&#61;&#946;0&#43;&#8721;i&#61;1k&#946;iBxit"
          "Fichero" => "STRIPIN_si1.jpeg"
          "Tamanyo" => 2198
          "Alto" => 47
          "Ancho" => 197
        ]
      ]
      3 => array:5 [
        "identificador" => "eq0010"
        "tipo" => "MULTIMEDIAFORMULA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "Formula" => array:5 [
          "Matematica" => "&#8721;i&#61;1n&#40;valor&#8201;&#8202;&#8202;observado&#8722;i&#8722;valor&#8201;predicho&#8722;i&#41;&#47;valor&#8201;observado&#8722;i&#47;n&#46;"
          "Fichero" => "STRIPIN_si2.jpeg"
          "Tamanyo" => 3528
          "Alto" => 28
          "Ancho" => 400
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0005"
          "bibliografiaReferencia" => array:10 [
            0 => array:3 [
              "identificador" => "bib0055"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Modelaci&#243;n de episodios cr&#237;ticos de contaminaci&#243;n por material particulado &#40;PM10&#41; en Santiago de Chile&#46; Comparaci&#243;n de la e&#64257;ciencia predictiva de los modelos param&#233;tricos y no param&#233;tricos"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "S&#46; Alvarado"
                            1 => "C&#46; Silva"
                            2 => "D&#46; C&#225;ceres"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gaceta.2010.07.008"
                      "Revista" => array:6 [
                        "tituloSerie" => "Gac Sanit&#46;"
                        "fecha" => "2010"
                        "volumen" => "24"
                        "paginaInicial" => "466"
                        "paginaFinal" => "472"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/20965615"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0060"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Modelos param&#233;tricos y no param&#233;tricos en problemas de credit scoring"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "M&#46; Bonilla"
                            1 => "I&#46; Olmeda"
                            2 => "R&#46; Puertas"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Rev Esp Financ Contab&#46;"
                        "fecha" => "2003"
                        "volumen" => "118"
                        "paginaInicial" => "833"
                        "paginaFinal" => "869"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0065"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "From social structural factors to perceptions of relationship quality and loneliness&#58; the Chicago Health&#44; Aging&#44; and Social Relations Study"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:3 [
                            0 => "L&#46;C&#46; Hawkley"
                            1 => "M&#46;E&#46; Hughes"
                            2 => "L&#46;J&#46; Waite"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Gerontol B Psychol Sci Soc Sci&#46;"
                        "fecha" => "2008"
                        "volumen" => "63B"
                        "paginaInicial" => "S375"
                        "paginaFinal" => "S384"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0070"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Una metodolog&#237;a de series de tiempo para el &#225;rea de la salud&#59; caso pr&#225;ctico"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "L&#46; Bello"
                            1 => "S&#46; Mart&#237;nez"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Rev Fac Nac Salud P&#250;blica&#46;"
                        "fecha" => "2007"
                        "volumen" => "25"
                        "paginaInicial" => "118"
                        "paginaFinal" => "122"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0075"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Variables no estacionarias y cointegraci&#243;n&#46; Documentos de Trabajo en Econom&#237;a Aplicada"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "R&#46; Montero"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Libro" => array:3 [
                        "fecha" => "2013"
                        "editorial" => "Universidad de Granada"
                        "editorialLocalizacion" => "Espa&#241;a"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0080"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Multivariate Adaptive Regression Splines"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "J&#46; Friedman"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Ann Statist&#46;"
                        "fecha" => "1991"
                        "volumen" => "19"
                        "paginaInicial" => "1"
                        "paginaFinal" => "141"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0085"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:1 [
                  "referenciaCompleta" => "Salford Systems Multivariate Adaptive Regression Splines &#40;MARS&#41;&#58; user guide&#46; Chapter 3&#46; MARS Basics - Smoothing&#44; splines and knot selection&#59; 2001&#46; p&#46; 9-34&#46;"
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0090"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "No linear modeling of time series using multivariante adaptive regression splines &#40;MARS&#41;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "P&#46; Lewis"
                            1 => "J&#46; Stevens"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Am Stat Assoc&#46;"
                        "fecha" => "1991"
                        "volumen" => "86"
                        "paginaInicial" => "1"
                        "paginaFinal" => "36"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0095"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Forecasting tourism demand using time series&#44; artificial neural networks and multivariate adaptive regression splines&#58; evidence from Taiwan"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "C&#46; Lin"
                            1 => "F&#46; Chen"
                            2 => "S&#46; Lee"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Int J Bus Adm Manag Res&#46;"
                        "fecha" => "2011"
                        "volumen" => "2"
                        "paginaInicial" => "14"
                        "paginaFinal" => "24"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0100"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Modelamiento de la contaminaci&#243;n atmosf&#233;rica por part&#237;culas&#58; comparaci&#243;n de cuatro procedimientos predictivos en Santiago&#46; Chile"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:3 [
                            0 => "C&#46; Silva"
                            1 => "S&#46; Alvarado"
                            2 => "R&#46; Monta&#241;o"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:4 [
                        "tituloSerie" => "Biomatem&#225;tica XIII&#46;"
                        "fecha" => "2003"
                        "paginaInicial" => "113"
                        "paginaFinal" => "127"
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02139111/0000003100000003/v3_201904190640/S0213911116302540/v3_201904190640/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "636"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Nota Metodol&#243;gica"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/02139111/0000003100000003/v3_201904190640/S0213911116302540/v3_201904190640/es/main.pdf?idApp=WGSE&text.app=https://gacetasanitaria.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0213911116302540?idApp=WGSE"
]
Compartir
Publique en esta revista
Información de la revista
Vol. 31. Núm. 3.
Páginas 235-237 (mayo - junio 2017)
Respuestas rápidas
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
No disponible
Vol. 31. Núm. 3.
Páginas 235-237 (mayo - junio 2017)
Nota metodológica
Open Access
Multivariate Adaptative Regression Splines (MARS), una alternativa para el análisis de series de tiempo
Multivariate Adaptive Regression Splines (MARS), an alternative for the analysis of time series
Visitas
8169
Jairo Vanegasa,
Autor para correspondencia
jairo.vanegas.l@usach.cl

Autor para correspondencia.
, Fabián Vásquezb
a Facultad de Ciencias Médicas, Escuela de Obstetricia y Puericultura, Universidad de Santiago de Chile, Santiago de Chile, Chile
b Instituto de Nutrición y Tecnología de los Alimentos (INTA), Universidad de Chile, Santiago de Chile, Chile
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (1)
Tablas (1)
Tabla 1. Resumen de modelos de predicción obtenidos a través de modelos MARS. Costa Rica, 1978-2008
Resumen

Multivariate Adaptative Regression Splines (MARS) es un método de modelación no paramétrico que extiende el modelo lineal incorporando no linealidades e interacciones de variables. Es una herramienta flexible que automatiza la construcción de modelos de predicción, seleccionando variables relevantes, transformando las variables predictoras, tratando valores perdidos y previniendo sobreajustes mediante un autotest. También permite predecir tomando en cuenta factores estructurales que pudieran tener influencia sobre la variable respuesta, generando modelos hipotéticos. El resultado final serviría para identificar puntos de corte relevantes en series de datos. En el área de la salud es poco utilizado, por lo que se propone como una herramienta más para la evaluación de indicadores relevantes en salud pública. Para efectos demostrativos se utilizaron series de datos de mortalidad de menores de 5 años de Costa Rica en el periodo 1978-2008.

Palabras clave:
Metodología
Estadística no paramétrica
Predicción
Abstract

Multivariate Adaptive Regression Splines (MARS) is a non-parametric modelling method that extends the linear model, incorporating nonlinearities and interactions between variables. It is a flexible tool that automates the construction of predictive models: selecting relevant variables, transforming the predictor variables, processing missing values and preventing overshooting using a self-test. It is also able to predict, taking into account structural factors that might influence the outcome variable, thereby generating hypothetical models. The end result could identify relevant cut-off points in data series. It is rarely used in health, so it is proposed as a tool for the evaluation of relevant public health indicators. For demonstrative purposes, data series regarding the mortality of children under 5 years of age in Costa Rica were used, comprising the period 1978–2008.

Keywords:
Methods
Non-parametric statistics
Forecasting
Texto completo
Introducción

El desarrollo de un buen modelo de regresión requiere tiempo y una considerable experiencia de modelización. Sin embargo, con el advenimiento de la Multivariate Adaptative Regression Splines (MARS) los modelos de regresión pueden ser desarrollados de manera sistemática y automática sin la limitación de los supuestos que deben cumplir los modelos de regresión tradicionales1.

MARS es una herramienta flexible que automatiza la construcción de modelos de predicción, permitiendo la selección de variables relevantes, la transformación de las variables predictoras, establecer las interacciones de las variables predictoras, el tratamiento de los valores perdidos y un autotest para protegerse del sobreajuste. Finalmente, puede revelar patrones y relaciones que es difícil, si no imposible, que otros métodos puedan revelar1,2.

Esta herramienta aún es poco conocida en el ámbito de la salud y podría ser de gran utilidad para la evaluación de datos, incluyendo aquellos que se encuentran en forma agregada, como es el caso de la mayoría de los datos relacionados con la salud3,4.

Exposición del método

MARS es un método de modelación no paramétrico que extiende el modelo lineal incorporando no linealidades e interacciones de variables. Es una generalización de la Recursive Partitioning Regression (RPR), que divide el espacio de las variables predictoras en diferentes subregiones5,6.

El modelo puede escribirse como:

donde yt es la variable respuesta en el instante t y βi son los parámetros del modelo para las respectivas variables xit, que van de i=1, …, k. El valor β0 representa al intercepto, las funciones bases B(xit) son funciones que dependen de las respectivas variables xit, en donde cada B(xit) puede escribirse como B(xit)=max(0, xitc) o B(xit)=max(0, cxit), c es un valor umbral y k representa el número de explicativas, que incluye interacciones de las variables predictoras. Los puntos de partición del espacio y los parámetros de los modelos se obtienen a partir de los datos analizados. El número de funciones base resultantes indica la complejidad del modelo7.

MARS genera puntos de corte para las diferentes variables. Los puntos son identificados a través de las funciones basales, las que indican el inicio y el término de una región. En cada región en que se va dividiendo el espacio se ajusta una función base de una variable, la cual es lineal. El modelo final se constituye como una combinación de las funciones base generadas. Para determinar estos puntos de corte usa un algoritmo forward/backward stepwise por etapas. Primero, mediante el algoritmo forward stepwise se genera un modelo sobreestimado con un gran número de funciones base; posteriormente, mediante el algoritmo backward stepwise, se eliminan los nodos que menos contribuyen al ajuste global. El algoritmo se detiene cuando la aproximación construida incluye un número máximo de funciones fijadas por el investigador.

Cuando un investigador tiene varios modelos teóricos y se desea identificar el mejor, pueden utilizarse los siguientes estadísticos8–10:

  • Criterio de validación cruzada (GCV), propuesto por Friedman6, medida de ajuste a los datos y penalización, debido a la complejidad del modelo y el aumento de la varianza. Según este criterio, un modelo más sencillo puede ser preferido frente a otro más complejo.

  • Coeficiente de determinación (R2 ajustado) entre el valor observado y el predicho, el cual permite la adecuación del modelo utilizado para las predicciones.

  • La proporción media de error absoluto (mpab), que viene dada por los valores observados y el valor predicho:

Muestra el porcentaje de error en que se incurre en la predicción en comparación con los datos observados, considerándose que el mejor modelo es aquel que tiene el porcentaje de error más bajo.

Entre los softwares estadísticos disponibles para aplicar MARS cabe destacar el paquete estadístico R, Matlab, Python, Salford Predictive Modeler (SPM 8), Statitstica Data Miner- StatSoft y Adaptivreg para SAS.

Aplicación práctica

Para ejemplificar el modelo MARS se utilizan las tasas de mortalidad en menores de 5 años de Costa Rica y las variables relacionadas con indicadores sociales y económicos, entre 1978 y 2008 (año, tasa global de fecundidad, partos hospitalarios, población menor de 1 año vacunada contra el sarampión, analfabetismo femenino mayor de 15 años, producto interior bruto [PIB] per cápita, gasto social en salud, gasto social en educación, agua potable, pobreza y extrema pobreza, tasa de desempleo y control prenatal); variables no estacionarias, pero cointegradas.

De la serie de 31 años (1978-2008) se extrajeron los últimos 3 años para conformar una muestra de entrenamiento y una de validación, esta última compuesta por valores observados y predichos.

La tabla 1 presenta el modelo explícito y las funciones base seleccionadas. El modelo selecciona las variables más relevantes: año, niños vacunados contra el sarampión, PIB per cápita, porcentaje de pobreza, gasto social en educación per cápita y tasa global de fecundidad. También se identifican un punto de corte que corresponde al año 1988 y una interacción entre tasa global de fecundidad y pobreza.

Tabla 1.

Resumen de modelos de predicción obtenidos a través de modelos MARS. Costa Rica, 1978-2008

Modelos de regresión MARS  Años  Valor observado  Valor predicho  R2 ajustado  GCVa  mpabb (%) 
Tasa=3,74–0,11 * max(0; años–1988)+0,31 * max(0; 1988 - años)–0,01 * max(0; 86–vacunados sarampión)+0,0003 * max(0; PIB per cápita–3116)–0,03 * max(0; pobreza–16,7)+0,02 * max(0; 198,86–gasto social educación per cápita)–0,08 * max(0; tasa global fecundidad–3,2) * max(0; pobreza–16,7)2006  2,19  2,19  98  0,062 
2007  2,40  2,29       
2008  2,09  2,15       

GCV: criterio de validación cruzada; mpab: proporción media de error absoluto; PIB: producto interior bruto.

Fuente: elaboración propia a partir de datos de CEPAL, 1978-2008.

Las funciones base −0,11 * max(0; años1988)+0,31 * max(0; 1988años) identifican el punto de corte en el año 1988. La interpretación sugiere que a partir de este año el comportamiento de las tasas de mortalidad en menores de 5 años se modifican en su velocidad de descenso (fig. 1).

Figura 1.

Tasa de mortalidad en menores de 5 años. Tasas observadas, predichas y punto de corte detectado con MARS. Costa Rica, 1978-2008.

(0.09MB).

En cada una de las siguientes funciones base se observan los valores de las variables estructurales relacionados con los años de la serie de tiempo (1978-2008).

La función −0,01 * max(0; 86vacunados sarampión) identifica un punto de corte en 1996, con un reporte del 86% de inmunizados. Por debajo de este porcentaje se generarían bolsones de población susceptibles a una epidemia.

La función 0,02 * max(0; 198,86gasto social en educación per cápita) establece un punto de corte en 1994 correspondiente a US$ 198 per cápita. Valores superiores al punto de corte tienen efectos positivos en la reducción de la tasa de mortalidad.

La función 0,0003 * max(0; PIB per cápita3116) presenta un punto de corte en US$ 3116 dólares per cápita reportado para el año 1991. Anterior al punto de corte, el PIB per cápita tiene poco efecto sobre la tasa de mortalidad.

Finalmente, la interacción −0,08 * max(0; tasa global fecundidad3,2) * max(0; pobreza16,7), sugiere efectos sobre la reducción de las tasas de mortalidad entre los años 1990 y 2007 con 3,2 hijos y un 16,7% de pobreza. En este periodo se inicia una reducción de las tasas de fecundidad en un contexto de reducción del porcentaje de la pobreza. La tasa de mortalidad pasa de 16,2 a 10 por 1000 nacidos vivos.

Conclusiones

MARS permite automatizar los aspectos de modelación de la regresión clásica, seleccionando las variables predictoras, estimando los valores perdidos, transformando variables, detectando interacciones, contrastando y asegurando la correcta construcción del modelo, y permitiendo resultados más exactos y completos.

En el ejemplo, MARS permite configurar modelos hipotéticos y escenarios de carácter predictivos tomando en cuenta los factores estructurales que pudieran estar influyendo sobre la velocidad de descenso de la tasa de mortalidad. El resultado final permitiría identificar hitos relevantes, como el impacto de una política pública sobre el tiempo, deducir hasta dónde esta logra influenciar positivamente en la variable respuesta y cuándo empieza a perder influencia.

Editor responsable del artículo

Miguel Ángel Negrín Hernández.

Declaración de transparencia

El autor principal (garante responsable del manuscrito) afirma que este manuscrito es un reporte honesto, preciso y transparente del estudio que se remite a Gaceta Sanitaria, que no se han omitido aspectos importantes del estudio, y que las discrepancias del estudio según lo previsto (y, si son relevantes, registradas) se han explicado.

Contribuciones de autoría

J. Vanegas: investigador principal, recolección de datos, análisis de datos y redacción del documento. F. Vásquez: coinvestigador, contribución en el análisis de los datos, corrección del manuscrito y redacción final.

Financiación

Comisión Nacional Científica y Tecnológica (CONICYT). Programa de inserción de capital humano avanzado. Proyectos N° 791220020.

Programa FONDECYT de Postdoctorado. Proyecto 3140344.

Conflicto de intereses

Ninguno.

Bibliografía
[1]
S. Alvarado, C. Silva, D. Cáceres.
Modelación de episodios críticos de contaminación por material particulado (PM10) en Santiago de Chile. Comparación de la eficiencia predictiva de los modelos paramétricos y no paramétricos.
Gac Sanit., 24 (2010), pp. 466-472
[2]
M. Bonilla, I. Olmeda, R. Puertas.
Modelos paramétricos y no paramétricos en problemas de credit scoring.
Rev Esp Financ Contab., 118 (2003), pp. 833-869
[3]
L.C. Hawkley, M.E. Hughes, L.J. Waite, et al.
From social structural factors to perceptions of relationship quality and loneliness: the Chicago Health, Aging, and Social Relations Study.
J Gerontol B Psychol Sci Soc Sci., 63B (2008), pp. S375-S384
[4]
L. Bello, S. Martínez.
Una metodología de series de tiempo para el área de la salud; caso práctico.
Rev Fac Nac Salud Pública., 25 (2007), pp. 118-122
[5]
R. Montero.
Variables no estacionarias y cointegración. Documentos de Trabajo en Economía Aplicada.
Universidad de Granada, (2013),
[6]
J. Friedman.
Multivariate Adaptive Regression Splines.
Ann Statist., 19 (1991), pp. 1-141
[7]
Salford Systems Multivariate Adaptive Regression Splines (MARS): user guide. Chapter 3. MARS Basics - Smoothing, splines and knot selection; 2001. p. 9-34.
[8]
P. Lewis, J. Stevens.
No linear modeling of time series using multivariante adaptive regression splines (MARS).
J Am Stat Assoc., 86 (1991), pp. 1-36
[9]
C. Lin, F. Chen, S. Lee.
Forecasting tourism demand using time series, artificial neural networks and multivariate adaptive regression splines: evidence from Taiwan.
Int J Bus Adm Manag Res., 2 (2011), pp. 14-24
[10]
C. Silva, S. Alvarado, R. Montaño, et al.
Modelamiento de la contaminación atmosférica por partículas: comparación de cuatro procedimientos predictivos en Santiago. Chile.
Biomatemática XIII., (2003), pp. 113-127
Copyright © 2016. SESPAS
Descargar PDF
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?