Aplicació de models d'efectes aleatoris en l'epidemiologia quantitativa

Abstract

L'objectiu d'aquesta tesi és analitzar i comparar els procediments de models amb efectes aleatoris a partir de dos exemples reals, un relacionat amb les lesions d'un esport de contacte, i l'altre amb la supervivència d'un estudi longitudinal en una població gitana.

En el primer capítol es fa èmfasi a certes limitacions que ens podem trobar i d'aquesta manera presentar models més sofisticats davant dissenys més complexes.

En el segon capítol s'introdueixen els models amb efectes aleatoris, es revisa i avalua la qualitat de la informació aportada respecte l'anàlisi dels Generalized Linear Mixed Model (GLMM) en articles de medicina clínica.

En el tercer capítol es compara el rendiment de l'estimació dels paràmetres del GLMM a través de tres filosofies estadístiques (marginal likelihood, hierarchical likelihood, Bayesian analysis) via estudis de simulació. En aquest mateix capítol s’ajusta un model GLMM per conèixer les associacions amb factors de risc en lesions d'un esport de contacte per així iniciar programes de prevenció i control de lesions en aquest esport.

En el quart capítol s'introdueixen els models de supervivència amb efectes aleatoris o frailty models i es centra en els models de supervivència semiparamètrics.

Finalment, en el darrer capítol s’inclou el resum de la tesi i les principals conclusions de la tesi.

The aim of this PhD is to analyze and compare approaches of mixed models from two real datasets, one about sport injuries on contact wrestling, and the other one about survival among the Roma population: a longitudinal cohort study.

Chapter 1 highlights certain limitations that we can find and it shows sophisticated models when facing more complex designs.

Chapter 2 introduces mixed models, reviews the application of Generalized Linear Mixed Model (GLMM) and evaluates the quality of reported information in original articles in the field of clinical medicine.

Chapter 3 compares the performance of parameter estimation in GLMM of three different statistical principles (Marginal likelihood, Extended likelihood, Bayesian analysis) via simulation studies. In this chapter a GLMM model is fitted to know the risk factors in injuries of a contact sport in order to carry out prevention and control programs in this sport.

Chapter 4 introduces random effect models for survival data or frailty models and it focuses on semiparametric survival models.

Finally, the last chapter includes the abstract and the main conclusions of this work.