El
análisis de la investigación longitudinal se puede clasificar en tres grandes
grupos:
A) Modelos
marginales: Estos son los que combinan las diferentes
mediciones (que son cortes en el tiempo) de la prevalencia de la exposición
para obtener una prevalencia media u otra medida resumen de la exposición a lo
largo del tiempo, y la relaciona con la frecuencia de la enfermedad. El
elemento longitudinal es la edad o la duración del seguimiento en el análisis
de regresión.
Los
coeficientes de este tipo de modelos se transforman en una razón de
prevalencias poblacionales.
B)
Modelos de transición:
Estos
realizan una regresión del resultado presente sobre valores pasados y sobre las exposiciones
pasadas y presentes. Un ejemplo de ellos son los modelos de Markov. Los
coeficientes del modelo se transforman directamente en un cociente de
incidencias.
C) Modelos de efectos aleatorios: Estos
permiten que cada individuo tenga parámetros de regresión únicos, y existen procedimientos
para resultados normalizados, binarios y datos de persona-tiempo. Los modelos lineales, logístico, de Poisson y
muchos análisis de supervivencia se pueden considerar casos particulares de modelos
lineales generalizados. Hay procedimientos que permiten las entradas tardías o
en momentos diferentes y de manera desigual en la observación de una cohorte. Además
de los modelos paramétricos indicados en el párrafo anterior, es posible el análisis
mediante métodos no paramétricos.
No hay comentarios.:
Publicar un comentario