• Descripción

La asignatura Análisis de Supervivencia y de Datos Longitudinales es la asignatura que trata de a) la modelización de los tiempos hasta un evento y b) la modelización de datos observados a lo largo del tiempo. En este sentido es de relevante interés por su aportación a la inferencia con el objetivo de toma de decisiones en aquellas situaciones (experimentos, ensayos clínicos, tratamientos...) que llevan su principal componente en el efecto tiempo. El tiempo hasta una infección después de una práctica de riesgo, o hasta el primer síntoma de mejora después del inicio de un tratamiento, o hasta la muerte por una cierta causa después de un diagnóstico, son ejemplos claros de aplicación de técnicas propias del análisis de supervivencia. Asimismo, la modelización de un variable medida sobre los individuos a lo largo del tiempo necesita tener en cuenta la dependencia/correlación fruto de la observación sobre un mismo individuo y, a la vez, un potencial efecto individuo que hace que cada sujeto sea singular respecto al modelo marginal. Describir a lo largo del tiempo como cambia una medida o un indicador biológico es el ejemplo clásico y de interés habitual.

En particular en esta asignatura se va estudiar, y en este orden, las modelizaciones no paramétrica (estimador de Kaplan y Meier), semiparamétrica (modelo de Cox) y paramétrica (modelos Exponencial, Weibull) y el modelo lineal con efectos aleatorios (linear mixed model). El curso contempla también la posibilidad de exploración de otras estrategias de modelización para situaciones de observación más complejas o bien extensiones del modelo lineal mixto.

• La asignatura en el conjunto del plan de estudios

Esta asignatura juega un papel crucial en la mayoría de estudios "bio", donde el objetivo sea -como suele ser- el describir el "tiempo hasta..." y el cómo "una u otra covariante..." intervienen en esta estimación y hacen distintos "el grupo A del grupo B..." o el poder estimar los valores de un indicador biológico a lo largo del tiempo.

Su posición es estratégica en cuanto que necesita de fundamentos previos en Bioestadística y en modelización y, a su vez, permite al estudiante estar en condiciones de poder intervenir en proyectos reales de análisis de datos de este tipo (como podría ser en el caso del proyecto final de máster).

• Campos profesionales en el que se proyecta

Las competencias y habilidades concretas que de esta asignatura se derivan están directamente relacionadas con la capacitación para el análisis de conjuntos de datos en los que la variable objetivo sea el tiempo hasta un suceso de interés, lo que llamaremos datos de supervivencia. Naturalmente, la mayoría de aplicaciones en Bioestadística conllevan esta necesidad con lo que el perfil profesional asociado es el de "analista de datos", sin más. Como valor añadido, y en un contexto más general, si omitimos por un momento el término "bio" y pensamos en un tiempo hasta el fallo, podríamos ver un analista de datos capacitado para estudiar aspectos de fiabilidad y durabilidad de elementos, dispositivos o sistemas en un contexto tecnológico o industrial.

• Conocimientos previos

Para cursar esta asignatura se requiere tener superada la asignatura "Inferencia Estadística".

También es aconsejable haber cursado previamente "Regresión, Modelos y Métodos".

En el curso se supone que los estudiantes tienen bien conocidas las técnicas de Estadística Descriptiva e Inferencia Estadística (por ejemplo, cálculo de intervalos de confianza, contraste de hipótesis, p-valor, ...), así como un buen dominio de aplicaciones prácticas de análisis de datos con R.

• Información previa a la matrícula

Previamente a la formalización de la matrícula es muy importante que el estudiante tenga en cuenta los requerimientos sobre conocimientos previos que se mencionan sobre las asignaturas

- Software para el Análisis de Datos

- Inferencia Estadística

- Regresión, Modelos y Métodos

• Objetivos y competencias

Objetivos

• Introducir al estudiante en el análisis de datos de supervivencia
• Proveer al estudiante técnicas de análisis propias del Análisis de Supervivencia (no paramétricas, semi-paramétricas y paramétricas) 
• Introducir al estudiante en el análisis de datos longitudinales
• Facilitar al estudiante la base metodológica y práctica del Modelo Lineal Mixto para datos longitudinales

Competencias

Una vez completado el curso el estudiante debería ser capaz de, con rigor: 

• Identificar datos de supervivencia
• Estimar no paramétricamente la función de supervivencia
• Estimar, validar e interpretar un modelo de regresión de Cox
• Ajustar un modelo paramétrico a unos datos del Análisis de Supervivencia
• Identificar datos longitudinales
• Estimar e interpretar un modelo lineal mixto

• Contenidos

Los contenidos del curso se estructuran en 4 temas de estudio:

Tema 1: Introducción al Análisis de Supervivencia. El estimador Kaplan-Meier y el test Log-Rank.

Tema 2: El modelo de regresión de Cox y de Cox estratificado.

Tema 3: Modelos paramètricos de supervivencia (exponencial, Weibull)

Tema 4: Introducción al Análisis de Datos Longitudinales. El Modelo Lineal Mixto.

Temas que son extensión para posibles Trabajos Final de Master y para los que el consultor también puede dar soporte:

I: El modelo de Cox para datos cambiantes con el tiempo.

II: Modelos frailty.

III: Modelos para sucesos recurrentes.

IV: Modelos para riesgos competitivos.

V: El Modelo Lineal Mixto Generalizado.

• Recursos de aprendizaje y herramientas de apoyo

El curso se soporta en dos referencias principales, en formato digital, disponibles en la biblioteca virtual UOC y/o distribuidas en el aula, para las respectivas partes de la asignatura:

- Libro Manual: David G. Kleinbaum and Mitchel Klein. Survival Analysis. A Self-Learning Text, Third Edition. Nova York: Springer, 2012. ISBN: 9781441966469

- Libro Manual: Andrzej Galecki and Tomasz Burzykowski. Linear Mixed-Effects Models Using R. A Step-by-Step Approach. New York: Springer, 2013. ISBN: 978-1-4614-3900-4 (eBook).

Para el seguimiento del curso el estudiante tiene también a su disposición: Plan Docente, Libro de referencia, conjuntos de datos de apoyo, Guías de Estudio Semanal, Pruebas de Evaluación Contínua, Resultados de la Evaluación parcial de contenidos, Foro de discusión, Tablón del consultor, atención de consultoría individualizada para cada estudiante.

• Informaciones sobre la evaluación en la UOC

El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.

Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente –incluidas las pruebas finales– o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.

Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.

• Consulta del modelo de evaluación