Tesis doctoral de Paloma María Botella Rocamora
Esta tesis doctoral tiene como marco las técnicas estadísticas que permiten llevar a cabo el estudio de la variabilidad geográfica de los fenómenos de la salud, campo que goza de gran popularidad en los últimos años dentro del mundo de la epidemiología. En este ámbito es habitual el estudio de datos agregados en unidades geográficas, como por ejemplo provincias, municipios o secciones censales. Las técnicas adecuadas para realizar estudios con datos agregados se conocen como herramientas de disease mapping o cartografía de enfermedades. el estudio de la relación entre la localización geográfica y la aparición de fenómenos de salud proporciona un mecanismo descriptivo que permite obtener una visualización fiable de la distribución espacial del riesgo, y la misma puede aportar información sobre su etiología y en consecuencia resulta de gran interés el conocerla en mayor medida. Al intentar describir el patrón geográfico de una enfermedad resulta conveniente desagregar la información en la medida de lo posible, es decir, en unidades geográficas pequeñas para minimizar la pérdida de información que conlleva la agregación de los datos. Pero esta desagregación conlleva, a su vez, problemas de estimación cuando estas unidades geográficas son demasiado pequeñas, requiriendo técnicas de estimación específicas que se conocen en la literatura como técnicas de estimación en áreas pequeñas o suavización de riesgos. En concreto, cuando los indicadores se calculan sobre unidades geográficas reducidas, especialmente cuando el número de casos observados es pequeño e incluso inexistente, los indicadores tienen mucha variabilidad y su representación a través de un mapa muestra una variación muy amplia y poco indicativa de los posibles patrones existentes, dificultando o incluso impidiendo la correcta estimación del riesgo subyacente de los datos. Estos métodos estadísticos ofrecen la posibilidad de mejorar estas estimaciones proporcionando indicadores más estables y propiciando la detección de estructuras o patrones del riesgo que no se aprecian sin su utilización. la existencia de factores de riesgo ocultos que abarcan más de una unidad geográfica hace que el riesgo en localizaciones próximas sea parecido y por este motivo la mayoría de modelos de suavización de riesgos explotan esta idea: modelizan la correlación espacial entre las observaciones, atendiendo a la idea de que observaciones de unidades geográficas próximas se parecerán más que las observaciones de unidades geográficas más distantes. Por otra parte, el tiempo también es una componente importante en este tipo de problemas, puesto que complementa, añadiéndole una nueva dimensión, la información espacial. La evolución de la mayoría de enfermedades sigue una trayectoria suave a lo largo del tiempo, de forma que periodos con alto (o bajo) riesgo están precedidos y seguidos por periodos con un riesgo similar. Así, las observaciones de periodos cercanos en el tiempo serán más correladas que observaciones a mayor distancia en esta dimensión. El estudio de la evolución o desarrollo de las enfermedades requiere por tanto la consideración de la dependencia temporal entre observaciones próximas 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 aplicación de modelos espacio-temporales que incorporen simultáneamente 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 análisis paralelos sobre el mismo fenómeno, partiendo de una distribución espacial del riesgo y una evolución común del riesgo para todas las regiones. Desde nuestro punto de vista, resultan mucho más convenientes los modelos espacio-temporales flexibles que permitan variabilidad espacial y diferentes evoluciones temporales del riesgo en distintas regiones, es decir, que permitan la introducción de interacción espacio-tiempo. el objetivo de la presente tesis doctoral es la aportación de nuevas herramientas de modelización en el ámbito del análisis espacial y espacio-temporal de los riesgos de enfermedad. Por un lado, hemos pretendido plantear una nueva modelización espacial del riesgo basada en medias móviles en el ámbito de disease mapping. Por otro, dentro de este mismo ámbito, considerando también la variación temporal, hemos planteado dos nuevos modelos espacio-temporales basados en dos modelos espaciales diferentes: el que supone el modelo espacial de referencia en los últimos años, el modelo de besag, york y mollié (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 fenómenos epidemiológicos que, en la medida de lo posible, contribuirán a obtener estimaciones más fiables y precisas de los riesgos de enfermedad. más detalladamente, como primera aportación proponemos un nuevo modelo de suavización espacial en cartografía de enfermedades. En los modelos más usados de suavización espacial de riesgos, es habitual la utilización de campos aleatorios de markov intrínsecos para modelizar la dependencia espacial entre observaciones. Esta distribución traslada al ámbito 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 distribución, y es uno de los modelos más extendidos en uso. Como alternativa a este tipo de modelos hacemos una propuesta de suavización espacial que traslada al ámbito espacial las ideas de los procesos de medias móviles de las series temporales. pasando al ámbito espacio-temporal, proponemos un modelo de suavización que extiende a este ámbito la modelización de suavización espacial más 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 región y periodo compartirán información con aquellas regiones que sean geográficamente vecinas y con la propia región en periodos de tiempo colindantes. Mediante esta propuesta, contemplamos conjuntamente tanto la dependencia espacial de los riesgos como la dependencia temporal. por último, siguiendo con la misma idea de extender propuestas de modelización espacial al ámbito espacio-temporal, proponemos un nuevo modelo que consiste en la extensión temporal del nuevo modelo espacial basado en medias móviles propuesto. La idea fundamental de esta propuesta es mantener la estructura espacial basada en medias móviles e introducir una modelización para la estructura temporal. En este caso también proponemos un proceso auto-regresivo de primer orden para introducir la dependencia temporal de las observaciones, de forma similar a la extensión del modelo espacial de bym realizada en el modelo anterior. El resultado es un nuevo modelo que incorpora también conjuntamente tanto la dependencia espacial como la temporal de los datos pero con una estructura espacial más flexible. cada una de estas tres aportaciones se expone detalladamente a lo largo de los capítulos 2, 3 y 4 de la tesis, respectivamente. Además, en el capítulo 1 se realiza una introducción breve las principales herramientas de modelización espacial y temporal empleadas con mayor frecuencia en la modelización de riesgos para captar la dependencia espacial y temporal de los mismos, y se realiza una revisión de las propuestas más relevantes aparecidas en la literatura relacionadas con el estudio espacial y espacio-temporal de riesgos en disease mapping. Y para finalizar, el capítulo 5 está dedicado a conclusiones y líneas futuras de investigación. El trabajo queda cerrado con una sección en la que se indica la bibliografía utilizada en el desarrollo del presente trabajo.
Datos académicos de la tesis doctoral «Suavización espacio-temporal en cartografíade enfermedades«
- Título de la tesis: Suavización espacio-temporal en cartografíade enfermedades
- Autor: Paloma María Botella Rocamora
- Universidad: Universitat de valéncia (estudi general)
- Fecha de lectura de la tesis: 15/12/2010
Dirección y tribunal
- Director de la tesis
- Antonio López Quílez
- Tribunal
- Presidente del tribunal: david valentin Conesa guillen
- berta Ibañez beroiz (vocal)
- pilar Sanmartín fita (vocal)
- ramon Cleries soler (vocal)