Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esto tambin dio como resultado una relacin estadsticamente significativa perjudicial
por fumar.
El punto aqu es que la eleccin de un covariable dependiente en tiempo implica la
eleccin de una forma funcional para la incluir esta covariable dependiente del tiempo
en el modelo. Esta eleccin no es usualmente muy evidente a la vista pero puede ser
sugerida por la compresin biolgica o hiptesis biolgica. Otros ejemplos ilustran este
punto.
Ilustracin 2: Medicinas (drogas) que Bajan el Colesterol
Supongamos que se tiene una base de datos de observacin de muchos individuos con
valores elevados de lpidos y a quienes se les aplicaron un medicamento que reduce el
colesterol. Suponga tambin que un nmero de factores de riesgo estn en la base de
datos y se quiere evaluar el efecto del tratamiento de un medicamento que baja el
colesterol. Ntese primero que las covariables fijas usuales siempre se pueden utilizar
en un modelo, junto con covariables dependientes del tiempo. As, los valores basales
de lpidos podran ser utilizados (as como la covariable nivel de colesterol dependiente
del tiempo) para permitir el ajuste de esta y otras caractersticas basales de los pacientes.
(Formalmente se puede pensar en una covariable fija como una covariable dependiente
del tiempo que pasa a tener un valor constante para todos los tiempos. Aunque este es
matemticamente correcto, el software funcionar mucho ms rpido si las covariables
que no cambian con el tiempo se introducen como covariables fijas.) Cmo se puede
introducir en un modelo un medicamento para bajar el colesterol en algn momento
durante el seguimiento? Si el efecto de droga est slo a travs de los lpidos del
plasma y si los valores de lpido son peridicamente recolectados durante el
seguimiento; luego, uno podra introducir el valor de lpido del ltimo seguimiento
como el valor en cada punto de tiempo. Suponga la manera primaria en la cual los
valores de lpido contribuye a la mortalidad es a travs de un proceso de arterosclerosis.
Tambin, asumir que los niveles anormalmente altos conduce a una acumulacin del
lpido en las lesiones vasculares y, por el contrario, que los niveles muy bajos conducen
a alguno lixiviar fuera los lpidos. Qu ocurre si asumimos que tanto la acumulacin y
la filtracin tenga lugar durante largos perodos de tiempo? Entonces tal vez quiera
utilizar alguna funcin compleja en el tiempo para modelar el efecto. Por ejemplo, el
riesgo puede ser modelado como un promedio mvil ponderado de los valores sobre
alguna longitud de intervalo de tiempo. El peso podra ser ms alto para los niveles
actuales y, a continuacin, dejar que los valores se vuelvan ms remotos.
Si los valores de lpidos no son medidos rutinariamente pero se conocen cundo la
terapia con medicamento (droga) que baja el lpido fue puesta en prctica y se asume
que el efecto se har ms pronunciado con el tiempo debido a los mecanismos
involucrados, entonces se puede querer una funcin que es cero hasta que la terapia sea
presentada y luego aumente (por ejemplo linealmente) sobre un intervalo de tiempo fijo
(unos aos?) a un valor de uno. As ms bien que una funcin de paso que salta, se
asume que el beneficio aumenta continuamente sobre un espacio de tiempo antes de
alcanzar el mximo efecto.
VARIABILIDAD CIRCADIANA EN NIVELES DE PLASMA DE UNA MEDICINA
PROTECTORA
para anlisis de datos exploratorios ello es tambin una debilidad porque intentar
muchos modelos puede conducir a gran sobreajuste de los datos.