Ajuste de modelos de fragilidad y riesgos proporcionales aplicados a datos de retinopatía diabética

Resumen

El análisis de supervivencia es actualmente una de las áreas de más rápido crecimiento en el campo del análisis estadístico, con una teoría sólida para ajustar los modelos de regresión para estudiar ciertos fenómenos, que tienen, en su estructura, la característica de tener observaciones incompletas en la muestra llamada censura. Aunque tales modelos pueden representar eficientemente el fenómeno en estudio en muchas situaciones, algunos de ellos no tienen en cuenta la existencia de una variable no observable presente en la mayoría de los estudios, llamada fragilidad. Esta fragilidad denota la susceptibilidad del evento a ocurrir por un determinado individuo u objeto bajo investigación. El objetivo de este trabajo fue mostrar que en situaciones donde la fragilidad está presente, el uso de modelos que capturan la variabilidad de esta variable es más viable para el análisis de estos datos en comparación con los modelos convencionales en estudios de supervivencia. Para este propósito, se realizó un análisis comparativo entre estos modelos, ajustado por un conjunto de datos de pacientes diagnosticados con retinopatía diabética, y también se realizó un estudio de simulación para el modelo de fragilidad gamma con diferentes porcentajes de censura y heterogeneidad. Después de ajustar los modelos, se puede ver que los modelos de fragilidad funcionaron mejor en comparación con el modelo de Cox, con énfasis en el modelo de fragilidad gamma, que generó el valor más bajo para AIC y BIC. El estudio de simulación mostró que las altas tasas de censura afectan el grado de previsibilidad del modelo de fragilidad y que las altas tasas de heterogeneidad contribuyen a las estimaciones de los parámetros.