• 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.

• Información adicional sobre los 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

En la UOC, la evaluación generalmente es virtual. Se estructura en torno a la evaluación continua, que incluye diferentes actividades o retos; la evaluación final, que se lleva a cabo mediante pruebas o exámenes, y el trabajo final de la titulación.

Las actividades o pruebas de evaluación pueden ser escritas y/o audiovisuales, con preguntas aleatorias, pruebas orales síncronas o asíncronas, etc., de acuerdo con lo que decida cada equipo docente. Los trabajos finales representan el cierre de un proceso formativo que implica la realización de un trabajo original y tutorizado que tiene como objetivo demostrar la adquisición competencial hecha a lo largo del programa.

Para verificar la identidad del estudiante y la autoría de las pruebas de evaluación, la UOC se reserva la potestad de aplicar diferentes sistemas de reconocimiento de la identidad y de detección del plagio. Con este objetivo, la UOC puede llevar a cabo grabación audiovisual o usar métodos o técnicas de supervisión durante la ejecución de cualquier actividad académica.

Asimismo, la UOC puede exigir al estudiante el uso de dispositivos electrónicos (micrófonos, cámaras u otras herramientas) o software específico durante la evaluación. Es responsabilidad del estudiante asegurar que estos dispositivos funcionan correctamente.

El proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de las actividades académicas. La web sobre integridad académica y plagio de la UOC contiene información al respecto.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; la suplantación de identidad; la aceptación o la obtención de cualquier actividad académica a cambio o no de una contraprestación; la colaboración, el encubrimiento o el favorecimiento de la copia, o el uso de material, software o dispositivos no autorizados en el plan docente o el enunciado de la actividad académica, incluida la inteligencia artificial y la traducción automática, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves.

Estas conductas irregulares pueden conllevar el suspenso (D/0) en las actividades evaluables definidas en el plan docente -incluidas las pruebas finales- o en la calificación final de la asignatura, ya sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas (como el uso de inteligencia artificial no permitida, 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 de otros estudiantes, etc.) sin la citación correspondiente, por la compraventa de actividades académicas, o porque se ha llevado a cabo cualquier otra conducta irregular.

Asimismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC.

En el marco del proceso de evaluación, la UOC se reserva la potestad de:

• Solicitar al estudiante que acredite su identidad según lo establecido en la normativa académica.
• Solicitar al estudiante que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación, tanto en la evaluación continua como en la evaluación final, a través de una entrevista oral síncrona, que puede ser objeto de grabación audiovisual, o por los medios establecidos por la UOC. Estos medios tienen el objetivo de verificar los conocimientos y las competencias que garanticen la identidad del estudiante. Si no es posible garantizar que el estudiante es el autor de la prueba, esta puede ser calificada con una D, en el caso de la evaluación continua, o con un suspenso, en el caso de la evaluación final.

Inteligencia artificial en el marco de la evaluación

La UOC reconoce el valor y el potencial de la inteligencia artificial (IA) en el ámbito educativo y, a su vez, pone de manifiesto los riesgos que supone si no se utiliza de forma ética, crítica y responsable. En este sentido, en cada actividad de evaluación se informará al estudiantado sobre las herramientas y los recursos de IA que se pueden utilizar y en qué condiciones. Por su parte, el estudiantado se compromete a seguir las indicaciones de la UOC a la hora de realizar las actividades de evaluación y de citar las herramientas utilizadas y, concretamente, a identificar los textos o imágenes generados por sistemas de IA, los cuales no podrá presentar como si fueran propios.

Respecto a usar o no la IA para resolver una actividad, el enunciado de las actividades de evaluación indica las limitaciones en el uso de estas herramientas. Debe tenerse en cuenta que usarlas de manera inadecuada, como por ejemplo en actividades en las que no están permitidas o no citarlas en las actividades en las que sí lo están, puede considerarse una conducta irregular en la evaluación. En caso de duda, se recomienda que, antes entregar la actividad, se haga llegar una consulta al profesorado colaborador del aula.

• Consulta del modelo de evaluación