2023/2024
Análisis de la Supervivencia
Código: 104867
Créditos ECTS: 6
Titulación |
Tipo |
Curso |
Semestre |
2503852 Estadística Aplicada |
OB |
2 |
2 |
Idiomas de los grupos
Puede consutarlo a través de este enlace. Para consultar el idioma necesitará introducir el CÓDIGO de la asignatura. Tenga en cuenta que la información es provisional hasta el 30 de noviembre del 2023.
Prerrequisitos
Es necesario tener conocimientos de:
- Estadístíca descriptiva
- Probabilidad
- Inferencia estadística
Además, es recomendable estar haciendo o haber hecho la asignatura de Modelos Lineales 1 y tener conocimientos básicos de R.
Objetivos y contextualización
En esta asignatura se introducirán conceptos básicos para el análisis del tiempo hasta un evento: Concepto de censura, estimadores de Kaplan-Meier y Nelson Aalen, una introducción a los modelos paramétricos y semiparamétricos para datos de supervivencia y, finalmente, se introducirán algunos temes avanzados de análisis de supervivencia. Los ejemplos de aplicación serán principalmente de la rama de las ciencias de la salud, pero puede haber ejemplos de otros campos como la economía o la fiabilidad.
Competencias
- Aplicar el espíritu crítico y el rigor para validar o refutar argumentos tanto propios como de otras personas.
- Evaluar de manera crítica y con criterios de calidad el trabajo realizado.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Seleccionar y aplicar procedimientos más apropiados para la modelización estadística y el análisis de datos complejos.
- Trabajar cooperativamente en un contexto multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar eficazmente la bibliografía y los recursos electrónicos para obtener información.
Resultados de aprendizaje
- Aplicar el espíritu crítico y el rigor para validar o refutar argumentos tanto propios como de otros.
- Evaluar de manera crítica y con criterios de calidad el trabajo realizado.
- Identificar las suposiciones estadísticas asociadas a cada procedimiento avanzado.
- Identificar, emplear e interpretar los criterios para evaluar el grado de cumplimiento de los requisitos necesarios para aplicar cada procedimiento avanzado.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Trabajar cooperativamente en un contexto multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar eficazmente bibliografía y recursos electrónicos para obtener información.
Contenido
1. Introducción al análisis de la supervivencia
- Datos de supervivencia: Concepto de censura, definición de los conceptos study time y patient time, ejemplos, etc.
- Función de supervivencia, función de riesgo y función de riesgo acumulada
2. Inferencia no paramétrica para datos de supervivencia con censura por la derecha
- Estimación de la función de supervivencia: Estimadores de Kaplan-Meier y Nelson Aalen
- Estimación de la función de riesgo
- Estimaciones puntuales e intervalos de confianza para la mediana del tiempo de supervivencia y otros percentiles
- Comparación de dos curvas de supervivencia: Los tests de Log-Rank y Wilcoxon
3. Modelos paramétricos para el tiempo de supervivencia:
- Distribuciones para variables aleatorias no negativas
- Modelo de vida acelerada: Definición, propiedades y medidas de bondad de ajuste
4. El modelo de regresión de Cox de riesgos proporcionales
- Descripción general del modelo
- Estimación del modelo de regresión de Cox
- Intervalos de confianza, pruebas de hipótesis y comparación de modelos alternativos
- Técnicas lasso para la selección de variables en el modelo de regresión de Cox
- Interpretación de las estimaciones de los parámetros
- Técnicas de bondad de ajuste en el modelo de regresión de Cox
5. Temas avanzados de análisis de la supervivencia
- Extensiones del modelode Cox
- Datos de supervivencia con censura en un intervalo
- Introducción a los modelos Frailty
Metodología
Para las actividades autónomas:
- AMPLIACIÓN DE CONCEPTOS: Será necesario completar algunas partes de la asignatura con trabajo personal con apuntes o bibliografía recomendada
- REALIZACIÓN DE TRABAJO DE PRÁCTICAS: Servirá para aplicar los conceptos adquiridos, así como para aprender sobre la implementación de éstos con el software R
- SOLUCIÓN DE PROBLEMAS: Cada lista de problemas se corregirá en clase a partir de las aportaciones y propuestas de los estudiantes
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Evaluación
Evaluación continua
La evaluación continua de la asignatura consistirá en un examen parcial (30%), un examen final (acumulable) (40%) y las prácticas (30%, no recuperable). En particular, la evaluación de las prácticas consistirá en un conjunto de prácticas semanales que serán evaluadas y un examen final de prácticas. Para poder presentarse a la recuperación, la nota final de la evaluación continua debe ser superior a 3.
Evaluación única
El alumnado que haya escogido la modalidad de evaluación única deberá realizar una prueba final que consistirá en un examen donde puede haber preguntas de teoría y ejercicios para resolver, y un examen de prácticas con ordenador. Además, se deberán entregar los informes de un conjunto de prácticas (que no serán las mismas que se entregaran en la evaluación continua, pero que evaluaran un contenido parecido). Esta prueba se realizará el mismo día, hora y lugar que el examen final de la evaluación continua. El peso del examen de teoría y problemas será del 70% y la evaluación de la parte práctica de la asignatura será del 30% (no recuperable). Quien no se presente a esta prueba sin causa justificada, obtendrá la cualificación de NO EVALUABLE. Si se consigue una nota inferior a 5 (y superior a 3), se podrá recuperar el mismo día, hora y lugar que el de recuperación del resto de alumnos del curso que han escogido la evaluación continua.
Actividades de evaluación continuada
Título |
Peso |
Horas |
ECTS |
Resultados de aprendizaje |
Examen final |
40% |
3
|
0,12 |
3, 4, 6, 7, 8
|
Examen parcial |
30% |
2
|
0,08 |
3, 5, 6, 7, 8
|
Pràctiques |
30% |
20
|
0,8 |
1, 2, 9, 10
|
Bibliografía
- Allison, P. (2010). Survival Analysis Using the SAS System: A Practical Guide, 2nd Edition. Cary: SAS Institute Inc, cop.
- Collett, D. (2015). Modelling Survival Data in Medical Research, 3rd Edition. Chapman & Hall.
- Hosmer, D., Lemeshow, S. and May, S. (2008). Applied Survival Analysis: Regression Modeling of Time-to-Event Data, 2nd Edition. Wiley.
- Klein, J. and Moeschberger, M. (2003). Survival Analysis: Techniques for Censored and Truncated Data, 2nd Editon. Springer.
- Kleinbaum, D. (2012). Survival Analysis: A Self-Learning Text, 3rd Edition. Springer Science.
Software
Las prácticas se realizarán con el software R.