Académique Documents
Professionnel Documents
Culture Documents
Dosis y Reaccin
Mini-Curso de Riesgo Microbiano
25 29 de agosto, 2014
Universidad Mayor de San Simn
Cochabamba, Bolivia
Matthew E. Verbyla
Dosis y Reaccin
Agenda
1. Modelos de Dosis-Reaccin
Exponencial
Beta-Poisson (Aproximado)
Beta-Poisson (Exacto)
8/23/2014
Modelos Dosis-Reaccin
Por qu se tiene que
utilizar un modelo?
No es posible hacer un
estudio de laboratorio
con voluntarios
humanos
Tenemos que encontrar
un modelo adecuado,
interpolar y extrapolar
para saber la dosis que
corresponde a una
probabilidad de
infeccin suficiente baja
Un Modelo
Teorticamente Acertado
Los patgenos son microorganismos discretos.
El modelo tiene que considerar que la persona tiene
que ingerir por lo menos un microorganismo
(no es posible ingerir la mitad de una bacteria)
El ser humano tiene un sistema de autodefensas.
El modelo tiene que considerar que, al ser ingerido,
los microorganismos tienen que llegar al sitio en el
cuerpo donde pueden iniciar una infeccin. Hay una
probabilidad de que solamente una fraccin de los
microorganismos ingeridos llegan exitosamente,
pasando todas las autodefensas del cuerpo humano.
8/23/2014
Modelos Dosis-Reaccin
Beta Poisson
Exponencial
= 1
= 1 1 1 , + ,
+ !
=1
=0
= 1 1 +
Pero slo cuando
y cuando
21
1
50
50
1
1
50
1
2
1
21
El modelo exponencial es un
caso especial del Beta Poisson
El modelo exponencial slo tiene un parmetro,
la probabilidad de supervivencia: k
Para el modelo Beta Poisson, en vez de ser un
constante, se modela la supervivencia con la
distribucin Beta (con parmetros y )
Se hace una transformacin al modelo Beta
Poisson aproximado para expresarlo en
trminos de y N50
=1 1+
=1 1+
21
1
50
8/23/2014
Dosis
Sabemos la dosis promedio
administrado a los voluntarios
Se asume que la dosis tiene
una distribucin Poisson
Distribucin Poisson:
Funcin de Densidad de Probabilidad
, = 0, 1, 2
!
Media (Promedia): Varianza:
=
!
1
! !
8/23/2014
Ajuste de Modelo
!
=
1
! !
ln 1 , 2 , =
=1
= voluntarios infectados
= total de voluntarios
= probabilidad de infeccion
= grupos de voluntarios
!
1
! !
= 2
ln
=1
1
+ ln
= 1 1 +
21
1
50
Probar el Ajuste
(Prueba de 2)
Estadstica Crtica 2
Grados de libertad = k m
k es la cantidad de grupos de
voluntarios (numero de datos)
m es la cantidad de parmetros
en el modelo
8/23/2014
Estadsticas Crticas de 2
(mxima desviacin aceptable)
( = 0.05)
Grados de Libertad
2
3
4
5
6
7
8
9
Estadstica Crtica 2
5.99
7.81
9.49
11.07
12.59
14.07
15.51
16.92
Trabajo de Gabinete
Objetivos:
1. Encontrar los parmetros que dan el mejor ajuste a los dos
modelos de dosis-reaccin, utilizando los datos de un estudio de
dosis-reaccin con voluntarios
2. Determinar cual de los dos modelos es el ms adecuado y
determinar el valor p para probar el ajuste (prueba de 2)
8/23/2014
Mtodo Bootstrapping
Es un mtodo de
estadstica que
consiste en el
remuestreo de una
muestra pequea de
datos
Se utiliza para
aproximar la
distribucin en el
muestreo de un
estadstico
Visualizacin de Bootstrapping
Datos Originales
1
3.0
Repeticiones
2
4
2.4
3.0
3.4
3.4
2.6
8/23/2014
Ventaja de Bootstrapping:
Incorporacin de la Incertidumbre
en los Modelos Dosis-Reaccin
Trabajo de
Gabinete
Objetivos:
1. Utilizar el mtodo bootstrap
(10 repeticiones) con los
datos dosis-reaccin de
Rotavirus
2. Encontrar los parmetros
y N50 para cada repeticin
del boostrap, utilizando el
mtodo Mxima
Verosimilitud
3. Calcula el 95% intervalo de
confianza para y N50