Aplicación de Métodos de Inferencia Bayesiana en la Modelación de Datos Epidemiológicos: Un Estudio Comparativo en Enfermedades Infecc
DOI:
https://doi.org/10.55204/trc.v5i1.e453Palabras clave:
Inferencia bayesiana, modelación epidemiológica, enfermedades infecciosas, comparación de métodos, análisis estadísticoResumen
La inferencia bayesiana ha emergido como una herramienta poderosa en la modelación de datos epidemiológicos, especialmente en el contexto de enfermedades infecciosas. Este estudio compara la eficacia de los métodos bayesianos frente a los enfoques frecuentistas tradicionales en la estimación de parámetros clave y la predicción de brotes epidémicos. Utilizando datos simulados y reales de diversas enfermedades infecciosas, se evaluaron modelos bayesianos y frecuentistas en términos de precisión, manejo de la incertidumbre y adaptabilidad a datos incompletos. Los resultados indican que los modelos bayesianos ofrecen estimaciones más robustas y flexibles, especialmente en escenarios con datos limitados o alta variabilidad. Se concluye que la adopción de métodos bayesianos puede mejorar significativamente la vigilancia epidemiológica y la respuesta ante brotes.
Descargas
Referencias
Cabezas-Heredia, E., Molina-Granja, F., Montenegro-Bosquez, G., Salazar, M., Santillán-Lima, J., Ramirez, S., & Cachay-Boza, O. (2023). Assessment of technological stress levels in university staff: case study. EAI Endorsed Transactions on Pervasive Health and Technology, 9(1).
De Angelis, D., & Presanis, A. M. (2018). Analysing multiple epidemic data sources. arXiv preprint arXiv:1808.04312. Retrieved from https://arxiv.org/abs/1808.04312
Editverse. (n.d.). Bayesian methods in epidemiology: an introduction. Editverse. Retrieved from https://www.editverse.com/es/m%C3%A9todos-bayesianos-en-epidemiolog%C3%ADa-una-introducci%C3%B3n/
Engblom, S., Eriksson, R., & Widgren, S. (2019). Bayesian epidemiological modeling over high-resolution network data. arXiv preprint arXiv:1910.11720. Retrieved from https://arxiv.org/abs/1910.11720
FasterCapital. (2023). Bayesian and frequentist statistics: exploring the applications of Bayesian and frequentist methods in data analysis. FasterCapital. Retrieved from https://fastercapital.com/es/contenido/Estadistica-bayesiana-y-frecuentista--exploracion-de-las-aplicaciones-de-los-metodos-bayesianos-y-frecuentistas-en-el-analisis-de-datos.html
Gascó-Laborda, J. C., Tirado-Balaguer, M. D., Gil-Fortuño, M., Dorina-Deaconescu, G., Sabalza-Baztán, O., Pérez-Olaso, Ó., ... & Bellido-Blasco, J. B. (2024). Impact of the pandemic on several infectious diseases with different epidemiological patterns of seasonality, transmission and age. Spanish Journal of Public Health, 98, e202412012. Retrieved from https://scielo.isciii.es/scielo.php?pid=S1135-57272024000100012&script=sci_arttext
Rodríguez Nóvoa, S., Aguilera Guirao, A., Gutiérrez, D., & Regueiro García, B. J. (2022). Comparison of PCR and RFLP methods for hepatitis B virus genotyping. Infectious Diseases and Clinical Microbiology, 20(3), 112-113. Retrieved from https://www.elsevier.es/es-revista-enfermedades-infecciosas-microbiologia-clinica-28-articulo-sesion-6-epidemiologia-las-enfermedades-13037032
Santillán-Lima, J., Molina-Granja, F., Santillán-Lima, P., Caichug-Rivera, D., Lozada-Yánez, R., & Luna-Encalada, W. (2023). Statistical determination of COVID-19 mortality in age groups in the Ecuadorian Highlands. EAI Endorsed Transactions on Pervasive Health and Technology, 9. https://doi.org/10.4108/eetpht.9.4133
Socias, A., Bosch-Gaya, L., Matute-Blanco, L., Fernández-Rodríguez, D., & Worner, F. (2017). Comparative statistical analyses in observational epidemiological studies. Medicina Intensiva, 41(3), 179-181. Retrieved from https://www.medintensiva.org/es-analisis-estadisticos-comparativos-estudios-epidemiologicos-articulo-S0210569117300694
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Nancy Elizabeth Chariguamán Maurisaca
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Tesla Revista Científica es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma. Tesla Revista Científica se compromete a no hacer uso comercial de los textos que recibe y/o publica.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
