Universidad de Zaragoza
Custodiado por la Biblioteca de la Universidad de Zaragoza
Premis-plugin for CDSInvenio, developed by Miguel Martín
Miguel Martín González
oai:zaguan.unizar.es:8880
2017-08-31
spa
Navarro Esteban, Paula
Ugarte Martínez, María Dolores
Análisis espacial de riesgos de mortalidad por cáncer de próstata con INLA
https://zaguan.unizar.es/record/8880/files/TAZ-TFM-2012-736.pdf
La estimación de riesgos de mortalidad es trascendental en salud pública. Las desigualdades en salud existentes en las distintas provincias españolas en cuanto a los riesgos de mortalidad e incidencia de enfermedades es un problema social conocido. Por ello, es muy importante detectar provincias que manifiesten riesgos extremos ya que hoy en día, existe evidencia suficiente que demuestra que las desigualdades en salud son evitables, ya que pueden reducirse mediante políticas públicas sanitarias y sociales y planes de salud adecuados. La principal finalidad de este trabajo es estimar riesgos de mortalidad por cáncer de próstata en las provincias españolas mediante modelos de suavizado en dos periodos distintos: 1975-1991 y 1992-2008, y detectar a su vez, provincias cuyo riesgo de morir por cáncer de próstata es mayor que el riesgo global de España. Los riesgos de mortalidad estimados se representan en forma de mapas que muestran el patrón geográfico de mortalidad de una determinada enfermedad. Cuando se estudian enfermedades raras (es decir, con pocos casos) o se tienen regiones poco pobladas, las medidas clásicas de estimación de riesgos, como la conocida razón de mortalidad estandarizada –RME-, adolecen de algunos problemas. En particular, la RME es muy variable lo que hace que las estimaciones sean poco fiables. Por ello, hay que emplear métodos de suavizado. En este trabajo se utiliza el modelo de Besag, York y Mollié para suavizar riesgos. Se trata de un modelo condicional autorregresivo que incorpora dependencia espacial. El modelo se estima desde una perspectiva completamente Bayesiana y para su estimación se considera el método INLA que, en inglés, se denomina “Integrated Nested Laplace Approximation”. Este novedoso método es una alternativa computacionalmente más rápida que los métodos MCMC (en inglés “Markov Chain Monte Carlo”).
2014-11-27
8880
20170831220415.0
TAZ-TFM-2012-736
spa
Navarro Esteban, Paula
Análisis espacial de riesgos de mortalidad por cáncer de próstata con INLA
Zaragoza
Universidad de Zaragoza
2012
by-nc-sa
Creative Commons
3.0
http://creativecommons.org/licenses/by-nc-sa/3.0/
La estimación de riesgos de mortalidad es trascendental en salud pública. Las desigualdades en salud existentes en las distintas provincias españolas en cuanto a los riesgos de mortalidad e incidencia de enfermedades es un problema social conocido. Por ello, es muy importante detectar provincias que manifiesten riesgos extremos ya que hoy en día, existe evidencia suficiente que demuestra que las desigualdades en salud son evitables, ya que pueden reducirse mediante políticas públicas sanitarias y sociales y planes de salud adecuados. La principal finalidad de este trabajo es estimar riesgos de mortalidad por cáncer de próstata en las provincias españolas mediante modelos de suavizado en dos periodos distintos: 1975-1991 y 1992-2008, y detectar a su vez, provincias cuyo riesgo de morir por cáncer de próstata es mayor que el riesgo global de España. Los riesgos de mortalidad estimados se representan en forma de mapas que muestran el patrón geográfico de mortalidad de una determinada enfermedad. Cuando se estudian enfermedades raras (es decir, con pocos casos) o se tienen regiones poco pobladas, las medidas clásicas de estimación de riesgos, como la conocida razón de mortalidad estandarizada –RME-, adolecen de algunos problemas. En particular, la RME es muy variable lo que hace que las estimaciones sean poco fiables. Por ello, hay que emplear métodos de suavizado. En este trabajo se utiliza el modelo de Besag, York y Mollié para suavizar riesgos. Se trata de un modelo condicional autorregresivo que incorpora dependencia espacial. El modelo se estima desde una perspectiva completamente Bayesiana y para su estimación se considera el método INLA que, en inglés, se denomina “Integrated Nested Laplace Approximation”. Este novedoso método es una alternativa computacionalmente más rápida que los métodos MCMC (en inglés “Markov Chain Monte Carlo”).
Máster Universitario en Modelización Matemática, Estadística y Computación
Derechos regulados por licencia Creative Commons
suavización de riesgos
Ugarte Martínez, María Dolores
dir.
Universidad de Zaragoza
Matemática Aplicada
Matemática Aplicada
Lacruz, Beatriz
ponente
568465@celes.unizar.es
2153102
https://zaguan.unizar.es/record/8880/files/TAZ-TFM-2012-736.pdf
Memoria (spa)
oai:zaguan.unizar.es:8880
trabajos-fin-master
driver
TAZ
TFM
CIEN
URI
https://zaguan.unizar.es/record/8880
SUPPORTED
0
MD5
https://zaguan.unizar.es/record/8880/files/TAZ-TFM-2012-736.md5
0
image/x.djvu
6
http://djvu.sourceforge.net/abstract.html
DJVU/6
Profile information
Lizardtech Document Express Enterprise
5.1
0
URI
https://zaguan.unizar.es/record/8880/files/TAZ-TFM-2012-736.pdf
disk
Minimum
View
Print
Visualization of DJVU requires specific software, like DjVu Browser Plugin
URI
http://creativecommons.org/licenses/by-nc/3.0
URI
http://creativecommons.org/licenses/by-nc/3.0
license
URI
http://creativecommons.org/licenses/by-nc/3.0
You are free to adapt, copy, transmite or distribute the work under the following conditions:
(1) You must attribute the work in the manner specified by the author or licensor (but not in any way that suggests that they endorse you or your use of the work).
(2) You may not use this work for commercial purposes
(3) For any reuse or distribution, you must make clear to others the license terms of this work
(4) Any of the above conditions can be waived if you get permission from the copyright holder
(5) Nothing in this license impairs or restricts the author's moral rights
This object is licensed under Creative Common Attribution-NonCommercial 3.0 (further details: http://creativecommons.org/licenses/by-nc/3.0/).
Universidad de Zaragoza
Automatizacion de Bibliotecas
Edif. Matematicas, Pedro Cerbuna 12, 50009 Zaragoza
auto.buz@unizar.es