{"id":105712,"date":"2018-03-11T10:29:24","date_gmt":"2018-03-11T10:29:24","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/suavizacion-espacio-temporal-en-cartografa%c2%ada-de-enfermedades\/"},"modified":"2018-03-11T10:29:24","modified_gmt":"2018-03-11T10:29:24","slug":"suavizacion-espacio-temporal-en-cartografa%c2%ada-de-enfermedades","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/epidemiologia\/suavizacion-espacio-temporal-en-cartografa%c2%ada-de-enfermedades\/","title":{"rendered":"Suavizaci\u00f3n espacio-temporal en cartograf\u00edade enfermedades"},"content":{"rendered":"

Tesis doctoral de Paloma Mar\u00eda Botella Rocamora <\/strong><\/h2>\n

Esta tesis doctoral tiene como marco las t\u00e9cnicas estad\u00edsticas que permiten llevar a cabo el estudio de la variabilidad geogr\u00e1fica de los fen\u00f3menos de la salud, campo que goza de gran popularidad en los \u00faltimos a\u00f1os dentro del mundo de la epidemiolog\u00eda. En este \u00e1mbito es habitual el estudio de datos agregados en unidades geogr\u00e1ficas, como por ejemplo provincias, municipios o secciones censales. Las t\u00e9cnicas adecuadas para realizar estudios con datos agregados se conocen como herramientas de disease mapping o cartograf\u00eda de enfermedades. el estudio de la relaci\u00f3n entre la localizaci\u00f3n geogr\u00e1fica y la aparici\u00f3n de fen\u00f3menos de salud proporciona un mecanismo descriptivo que permite obtener una visualizaci\u00f3n fiable de la distribuci\u00f3n espacial del riesgo, y la misma puede aportar informaci\u00f3n sobre su etiolog\u00eda y en consecuencia resulta de gran inter\u00e9s el conocerla en mayor medida. Al intentar describir el patr\u00f3n geogr\u00e1fico de una enfermedad resulta conveniente desagregar la informaci\u00f3n en la medida de lo posible, es decir, en unidades geogr\u00e1ficas peque\u00f1as para minimizar la p\u00e9rdida de informaci\u00f3n que conlleva la agregaci\u00f3n de los datos. Pero esta desagregaci\u00f3n conlleva, a su vez, problemas de estimaci\u00f3n cuando estas unidades geogr\u00e1ficas son demasiado peque\u00f1as, requiriendo t\u00e9cnicas de estimaci\u00f3n espec\u00edficas que se conocen en la literatura como t\u00e9cnicas de estimaci\u00f3n en \u00e1reas peque\u00f1as o suavizaci\u00f3n de riesgos. En concreto, cuando los indicadores se calculan sobre unidades geogr\u00e1ficas reducidas, especialmente cuando el n\u00famero de casos observados es peque\u00f1o e incluso inexistente, los indicadores tienen mucha variabilidad y su representaci\u00f3n a trav\u00e9s de un mapa muestra una variaci\u00f3n muy amplia y poco indicativa de los posibles patrones existentes, dificultando o incluso impidiendo la correcta estimaci\u00f3n del riesgo subyacente de los datos. Estos m\u00e9todos estad\u00edsticos ofrecen la posibilidad de mejorar estas estimaciones proporcionando indicadores m\u00e1s estables y propiciando la detecci\u00f3n de estructuras o patrones del riesgo que no se aprecian sin su utilizaci\u00f3n. la existencia de factores de riesgo ocultos que abarcan m\u00e1s de una unidad geogr\u00e1fica hace que el riesgo en localizaciones pr\u00f3ximas sea parecido y por este motivo la mayor\u00eda de modelos de suavizaci\u00f3n de riesgos explotan esta idea: modelizan la correlaci\u00f3n espacial entre las observaciones, atendiendo a la idea de que observaciones de unidades geogr\u00e1ficas pr\u00f3ximas se parecer\u00e1n m\u00e1s que las observaciones de unidades geogr\u00e1ficas m\u00e1s distantes. Por otra parte, el tiempo tambi\u00e9n es una componente importante en este tipo de problemas, puesto que complementa, a\u00f1adi\u00e9ndole una nueva dimensi\u00f3n, la informaci\u00f3n espacial. La evoluci\u00f3n de la mayor\u00eda de enfermedades sigue una trayectoria suave a lo largo del tiempo, de forma que periodos con alto (o bajo) riesgo est\u00e1n precedidos y seguidos por periodos con un riesgo similar. As\u00ed, las observaciones de periodos cercanos en el tiempo ser\u00e1n m\u00e1s correladas que observaciones a mayor distancia en esta dimensi\u00f3n. El estudio de la evoluci\u00f3n o desarrollo de las enfermedades requiere por tanto la consideraci\u00f3n de la dependencia temporal entre observaciones pr\u00f3ximas en el tiempo. una vez se entiende la importancia de estos dos factores (espacio y tiempo) en el estudio de una enfermedad, resulta evidente buscar la aplicaci\u00f3n de modelos espacio-temporales que incorporen simult\u00e1neamente las relaciones de dependencia espacial y temporal que puedan existir entre las observaciones. En gran parte de los modelos propuestos en la literatura se entiende el estudio del espacio y el tiempo como dos an\u00e1lisis paralelos sobre el mismo fen\u00f3meno, partiendo de una distribuci\u00f3n espacial del riesgo y una evoluci\u00f3n com\u00fan del riesgo para todas las regiones. Desde nuestro punto de vista, resultan mucho m\u00e1s convenientes los modelos espacio-temporales flexibles que permitan variabilidad espacial y diferentes evoluciones temporales del riesgo en distintas regiones, es decir, que permitan la introducci\u00f3n de interacci\u00f3n espacio-tiempo. el objetivo de la presente tesis doctoral es la aportaci\u00f3n de nuevas herramientas de modelizaci\u00f3n en el \u00e1mbito del an\u00e1lisis espacial y espacio-temporal de los riesgos de enfermedad. Por un lado, hemos pretendido plantear una nueva modelizaci\u00f3n espacial del riesgo basada en medias m\u00f3viles en el \u00e1mbito de disease mapping. Por otro, dentro de este mismo \u00e1mbito, considerando tambi\u00e9n la variaci\u00f3n temporal, hemos planteado dos nuevos modelos espacio-temporales basados en dos modelos espaciales diferentes: el que supone el modelo espacial de referencia en los \u00faltimos a\u00f1os, el modelo de besag, york y molli\u00e9 (1991)[bym] y el nuevo modelo espacial que proponemos en la primera parte de la tesis. De esta forma, proponemos un conjunto de modelos para el estudio de distintos fen\u00f3menos epidemiol\u00f3gicos que, en la medida de lo posible, contribuir\u00e1n a obtener estimaciones m\u00e1s fiables y precisas de los riesgos de enfermedad. m\u00e1s detalladamente, como primera aportaci\u00f3n proponemos un nuevo modelo de suavizaci\u00f3n espacial en cartograf\u00eda de enfermedades. En los modelos m\u00e1s usados de suavizaci\u00f3n espacial de riesgos, es habitual la utilizaci\u00f3n de campos aleatorios de markov intr\u00ednsecos para modelizar la dependencia espacial entre observaciones. Esta distribuci\u00f3n traslada al \u00e1mbito espacial las ideas de los procesos integrados de las series temporales, generalizando a dos dimensiones el concepto de caminata aleatoria. El modelo propuesto en bym emplea esta distribuci\u00f3n, y es uno de los modelos m\u00e1s extendidos en uso. Como alternativa a este tipo de modelos hacemos una propuesta de suavizaci\u00f3n espacial que traslada al \u00e1mbito espacial las ideas de los procesos de medias m\u00f3viles de las series temporales. pasando al \u00e1mbito espacio-temporal, proponemos un modelo de suavizaci\u00f3n que extiende a este \u00e1mbito la modelizaci\u00f3n de suavizaci\u00f3n espacial m\u00e1s usada, la propuesta en bym. Proponemos un proceso auto-regresivo de primer orden para introducir la dependencia temporal de las observaciones en cada una de las regiones. De esta forma las estimaciones del riesgo para cada regi\u00f3n y periodo compartir\u00e1n informaci\u00f3n con aquellas regiones que sean geogr\u00e1ficamente vecinas y con la propia regi\u00f3n en periodos de tiempo colindantes. Mediante esta propuesta, contemplamos conjuntamente tanto la dependencia espacial de los riesgos como la dependencia temporal. por \u00faltimo, siguiendo con la misma idea de extender propuestas de modelizaci\u00f3n espacial al \u00e1mbito espacio-temporal, proponemos un nuevo modelo que consiste en la extensi\u00f3n temporal del nuevo modelo espacial basado en medias m\u00f3viles propuesto. La idea fundamental de esta propuesta es mantener la estructura espacial basada en medias m\u00f3viles e introducir una modelizaci\u00f3n para la estructura temporal. En este caso tambi\u00e9n proponemos un proceso auto-regresivo de primer orden para introducir la dependencia temporal de las observaciones, de forma similar a la extensi\u00f3n del modelo espacial de bym realizada en el modelo anterior. El resultado es un nuevo modelo que incorpora tambi\u00e9n conjuntamente tanto la dependencia espacial como la temporal de los datos pero con una estructura espacial m\u00e1s flexible. cada una de estas tres aportaciones se expone detalladamente a lo largo de los cap\u00edtulos 2, 3 y 4 de la tesis, respectivamente. Adem\u00e1s, en el cap\u00edtulo 1 se realiza una introducci\u00f3n breve las principales herramientas de modelizaci\u00f3n espacial y temporal empleadas con mayor frecuencia en la modelizaci\u00f3n de riesgos para captar la dependencia espacial y temporal de los mismos, y se realiza una revisi\u00f3n de las propuestas m\u00e1s relevantes aparecidas en la literatura relacionadas con el estudio espacial y espacio-temporal de riesgos en disease mapping. Y para finalizar, el cap\u00edtulo 5 est\u00e1 dedicado a conclusiones y l\u00edneas futuras de investigaci\u00f3n. El trabajo queda cerrado con una secci\u00f3n en la que se indica la bibliograf\u00eda utilizada en el desarrollo del presente trabajo.<\/p>\n

 <\/p>\n

Datos acad\u00e9micos de la tesis doctoral \u00abSuavizaci\u00f3n espacio-temporal en cartograf\u00edade enfermedades<\/strong>\u00ab<\/h3>\n
    \n
  • T\u00edtulo de la tesis:<\/strong>\u00a0 Suavizaci\u00f3n espacio-temporal en cartograf\u00edade enfermedades <\/li>\n
  • Autor:<\/strong>\u00a0 Paloma Mar\u00eda Botella Rocamora <\/li>\n
  • Universidad:<\/strong>\u00a0 Universitat de val\u00e9ncia (estudi general)<\/li>\n
  • Fecha de lectura de la tesis:<\/strong>\u00a0 15\/12\/2010<\/li>\n<\/ul>\n

     <\/p>\n

    Direcci\u00f3n y tribunal<\/h3>\n
      \n
    • Director de la tesis<\/strong>\n
        \n
      • Antonio L\u00f3pez Qu\u00edlez<\/li>\n<\/ul>\n<\/li>\n
      • Tribunal<\/strong>\n
          \n
        • Presidente del tribunal: david valentin Conesa guillen <\/li>\n
        • berta Iba\u00f1ez beroiz (vocal)<\/li>\n
        • pilar Sanmart\u00edn fita (vocal)<\/li>\n
        • ramon Cleries soler (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n

           <\/p>\n","protected":false},"excerpt":{"rendered":"

          Tesis doctoral de Paloma Mar\u00eda Botella Rocamora Esta tesis doctoral tiene como marco las t\u00e9cnicas estad\u00edsticas que permiten llevar a […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[8405,1086,5688],"tags":[82955,82954,181161,213082,95245,122619],"class_list":["post-105712","post","type-post","status-publish","format-standard","hentry","category-bioestadistica","category-epidemiologia","category-tecnicas-de-inferencia-estadistica","tag-antonio-lopez-quilez","tag-berta-ibanez-beroiz","tag-david-valentin-conesa-guillen","tag-paloma-maria-botella-rocamora","tag-pilar-sanmartin-fita","tag-ramon-cleries-soler"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/105712","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=105712"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/105712\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=105712"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=105712"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=105712"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}