Está en la página 1de 2

Tarea: Modelos aditivos generalizados

Máster en Data Science & Business Analytics (con R Software)


Para este caso práctico vamos a trabajar con el conjunto de datos POI.txt. Los da-
tos proceden del registro de un estudio prospectivo de pacientes sometidos a intervención
quirúrgica en un hospital del norte de España entre Enero de 1996 y Marzo de 1997. Las
variables son las siguientes:

poi, presencia de infección (0/1)

age, edad en años

gender, sexo (0: Mujer / 1: Hombre)

gluc, nivel de glucosa pre-operatoria

diab, presencia de diabetes (0/1).

Ten encuenta que las variables gender y diab son categóricas y has de definirlas como
tales una vez que haays leı́do los datos (recuerada poner los datos en el mismo irectorio en
el que estés trabajando)

Objetivo: Evaluar el posible efecto de factores ‘pre-operatorios’ (age, gender, gluc, diab),
sobre la presencia de infeccion post-operatoria (poi). Es decir trabajamos con una variable
respuesta binaria (regresión logı́stica) y por lo tanto usaremos un Modelo Aditivo Generali-
zado

1. Evalua el posible efecto de la glucosa preoperatoria (gluc), sobre la presencia de infec-


ción post-operatoria (poi).:

Ajusta un modelo gam, obtén un resumen del ajuste y gráfico del efecto
Contrasta si el efecto es lineal

2. Evalua el posible efecto de la glucosa preoperatoria (gluc) y la presencia de diabetes


(diab), sobre la presencia de infección post-operatoria (poi).

Ajusta un modelo gam, obtén un del ajuste y gráficos de efectos. Comenta los
resultados
¿es el efecto de diabetes significativo?. ¿Qué modelo es mejor, con o sin diabetes?

1
Ajusta el modelo incorporando la intersección entre glucosa y diabetes. Obtener
un resumen del ajuste y el gráfico del efecto de la glucosa. Comenta los resultados
Compara este modelo con el modelo sin interacción, ¿con cuál te quedas?

3. En base al mejor modelo anterior, evaluar el posible efecto la edad (age) y el sexo
gender sobre la presencia de infección post-operatoria (poi).

Incorpora la variable edad y compara el nuevo modelo con el anterior


Ajusta el modelo incorporando las variables edad y sexo. ¿Qué conclusiones ex-
traes?
Ajusta el modelo incorporando la interacción entre edad y sexo. ¿Hay interacción?.
¿Mejora el modelo?
Finalmente ajusta un modelo incorporando la interacción de la glucosa y la edad.
Obtén un resumen del modelo y los gráficos de los efectos. ¿Hay evidencias que
sugieran la presencia de interacción?

También podría gustarte