Compartir
Título
Modelos multiestado para análisis de supervivencia en cardiología: una alternativa a los composite endpoints
Autor
Facultad/Centro
Área de conocimiento
Título de la revista
REC: interventional cardiology
Número de la revista
3
Datos de la obra
Montoya, N., Quirós, A., Torre Hernández, J. M. d. l., & Pérez de Prado, A. (2022). Modelos multiestado para análisis de supervivencia en cardiología: una alternativa a los composite endpoints. REC: Interventional Cardiology, 4(3), 246-248. https://doi.org/10.24875/RECIC.M22000270
Editor
Permanyer Publications
Fecha
2022-02-18
ISSN
2604-7276
Zusammenfassung
[ES] En los estudios longitudinales en cardiología, el objetivo principal suele ser el tiempo hasta ciertos eventos adversos (EA), con el objetivo de identificar factores de riesgo o la eficacia de un tratamiento. Tradicionalmente se han empleado los composite endpoints, en concreto los EA cardiovasculares mayores (MACE) en sus diferentes versiones, que presentan la gran ventaja de aumentar la potencia de los estudios y de simplificar el análisis, pero dificultan la interpretación de los resultados y además presentan otras limitaciones, como otorgar el mismo peso a cada evento o utilizar únicamente la información sobre el primer evento. Por ello, en los últimos años ha crecido la preocupación por la actualización de estos métodos.
El problema de analizar datos de estudios longitudinales con varios EA de interés se presta de manera natural a ser abordado con modelos multiestado, ya que permiten plantear modelos con una estructura compleja de relaciones entre la aparición de los diferentes eventos teniendo en cuenta todos los datos disponibles para cada paciente, además de proporcionar información sobre el tiempo esperado y la probabilidad de aparición de cada EA, estableciendo su dependencia de los factores de riesgo o de las características del tratamiento. Las principales ventajas de los modelos multiestado frente a otros modelos habitualmente utilizados se resumen en la tabla 1.
Materia
Palabras clave
Peer review
SI
ID proyecto
- info:eu-repo/grantAgreement/AEI/Programa Estatal de Generación de Conocimiento y Fortalecimiento Científico y Tecnológico del Sistema de I+D+i/PID2019-104790GB-I00/ES/CUANTIFICACION BAYESIANA DE LA INCERTIDUMBRE EN SELECCION DE MODELOS: METODOS Y APLICACIONES A PROBLEMAS CON INFORMACION INCOMPLETA, DATOS ESTRUCTURADOS Y MODELOS MATEMATICOS
URI
DOI
Versión del editor
Aparece en las colecciones
- Untitled [5400]
Dateien zu dieser Ressource
Tamaño:
377.2
xmlui.dri2xhtml.METS-1.0.size-kilobytes
Formato:
Adobe PDF
Descripción:
Artículo principal. Versión publicada