medigraphic.com
ISSN 1025-0298 (Digital)
ISSN 1025-028X (Impreso)

2011, Número 2

<< Anterior Siguiente >>

VacciMonitor 2011; 20 (2)


Modelos de transición en presencia de pérdidas intermitentes: implementación y ejemplo de aplicación a un ensayo clínico cubano

Uranga R

Idioma: Español
Referencias bibliográficas: 11
Paginas: 11-16
Archivo PDF: 272.05 Kb.


RESUMEN

El presente trabajo brinda una herramienta útil para enfrentar el ajuste de los modelos de transición bajo el problemático escenario de patrones de pérdidas intermitentes en datos recolectados de tipo longitudinal. Mediante las facilidades implícitas en la instrucción NLMIXED del software estadístico SAS (Statistical Analysis System) para Windows, versión 9.1.3, se da solución a esta problemática. Se ofrece, además, una aplicación práctica, donde se ajusta un modelo de transición a los datos de laboratorio clínico de un ensayo que evaluó, entre otros objetivos, la seguridad de una vacuna cubana contra el melanoma cutáneo metastásico.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Michael Falk, Frank Marohn, René Michel, Daniel Hofmann, Maria Macke, editors. A First Course on Time Series Analysis. Examples with SAS. Würzburg, Germany: Chair of Statistics, University of Würzburg; 2006. Disponible en: http:// www.statistik-mathematik.uni-wuerzburg.de/fileadmin/ 10040800/user_upload/time_series/the_book/2006-February- 01-times.pdf Consultado: 1ro de febrero de 2011.

  2. Molenberghs G, Verbeke G. Models for discrete longitudinal data. New York: Springer–Verlag; 2005.

  3. Diggle PJ, Liang KY, Zeger SL. Analysis of Longitudinal Data. Oxford Science Publications. Oxford: Clarendon Press; 1994.

  4. Rubin DB. Inference and missing data. Biometrika 1976;63:581– 92.

  5. Little RJA, Rubin DB. Statistical Analysis with Missing Data. New York: John Wiley & Sons; 1987.

  6. Verbeke G, Molenberghs G. Linear Mixed Models for Longitudinal Data. New York: Springer–Verlag; 2000.

  7. Neter J, Kutner MH, Nachtsheim CJ, Wasserman W Applied Linear Statistical Models. 4th ed. Chicago: IRWIN; 1996.

  8. SAS Institute Inc. SAS OnlineDoc® 9.1.3. Cary, NC: SAS Institute Inc; 2004.

  9. Morariu VV, Buimaga-Iarinca L. Autoregresive modeling of coding sequence lengths in bacterial genome, 2009. Disponible en: http://arxiv.org/ftp/arxiv/papers/0907/ 0907.1159.pdf . Consultado: 15 de octubre de 2010.

  10. Ding-Fei GE, Bei-Ping H, Xin-Jian X. Study of Feature Extraction Based on Autoregressive Modeling in ECG Automatic Diagnosis. Acta Automática Sinica 2007; 33(5): 462-6.

  11. Feller W. An Introduction to Probability Theory and Its Applications. 3rd ed. New York: John Wiley; 1968.




2020     |     www.medigraphic.com