Show simple item record

dc.contributor.advisorBermúdez Rubio, Dagoberto
dc.contributor.authorHernández Villaizan, María Fernanda
dc.date.accessioned2019-07-10T14:25:22Z
dc.date.available2019-07-10T14:25:22Z
dc.date.issued2019-07-08
dc.identifier.citationHernández, M. (2019). Análisis del número de pacientes fallecidos con cáncer de mama y próstata en la población colombiana por departamento en el periodo (2006 -2015) mediante un modelo poisson espacio-temporal bayesiano. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombiaspa
dc.identifier.urihttp://hdl.handle.net/11634/17577
dc.descriptionEl cáncer en Colombia, como en el mundo es una problemática latente en toda la población por su gran aumento en los útimos diez años, el término cáncer engloba a un grupo numeroso de enfermedades que se caracteriza por el número de células anormales que se dividen y se crecen sin control en cualquier parte del cuerpo. Comienza, cuando las células crecen descontroladamente sobrepasando a las células normales, lo que difículta que el cuerpo funcione de la manera adecuada. Según el (INC, 2013) adscrito al Ministerio de Salud, hay más de 100 tipos de cáncer, la mayor a de ellos toman el nombre del órgano, de los tejidos o las células en donde se reproduce. Para el caso puntual de esta investigación, se estudian datos obtenidos del Sistema Nacional de Información del Cáncer en Colombia, donde se tiene el número de pacientes que fallecen por cáncer de mama o de próstata para los años (2006 al 2015) por departamento. Se realizará la estimación de modelos lineales generalizados Poisson bayesianos con enfoque espacio temporal. La estimación de los modelos proporciona resultados importantes en la identificación de las muertes a causa del cáncer de mama y próstata en cada uno de los lugares de estudio, para realizar aportes signifícativos en las estrategias para la prevención y tratamiento de esta enfermedad y en la implementación de las políticas públicas y de salud del país.spa
dc.description.abstractCancer in Colombia, as in the world is a problem latent throughout the population due to its great increase in the last ten years, the term cancer encompasses a large group of diseases characterized by the number of abnormal cells that divide and They grow without control in any part of the body. It begins when cells grow uncontrollably surpassing normal cells, making it di cult for the body to function properly. According to the (INC, 2013) there are more than 100 types of cancer, most of them take the name of the organ, tissues or cells where it reproduces. For the speci c case of this research, data obtained from the National Cancer Information System in Colombia are studied, where the number of patients dying from breast or prostate cancer for the years (2006-2016) by department is available. We will use Bayesian Poisson generalized linear models with temporal space focus. The estimation of the models provides important results in the identi cation of deaths due to breast and prostate cancer in each of the study sites, to make signi cant contributions in the strategies for the prevention and treatment of this disease and in the implementation of the country's public and health policies.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleAnálisis del número de pacientes fallecidos con cáncer de mama y próstata en la población colombiana por departamento en el periodo (2006 -2015) mediante un modelo poisson espacio-temporal bayesianospa
dc.typeFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradospa
dc.description.degreenameProfesional en estadísticaspa
dc.publisher.programPregrado Estadísticaspa
dc.publisher.facultyFacultad de Estadísticaspa
dc.subject.keywordBayesian statisticsspa
dc.subject.keywordBreast cancerspa
dc.subject.keywordProstate cancerspa
dc.subject.keywordSpatiotemporal modespa
dc.subject.keywordGeneralized linear modelspa
dc.subject.lembCáncerspa
dc.subject.lembEstadísticaspa
dc.subject.lembTeoría Bayesiana de decisiones estadísticasspa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.localAbierto (Texto Completo)spa
dc.type.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.contributor.googlescholarhttps://scholar.google.com/citations?user=QB0Yba8AAAAJ&hl=thspa
dc.contributor.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000014678spa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.relation.referencesAgost, L. (2016). Análisis de conglomerados espacio-temporales de incidencia del cáncer pedíatrico en la provincia de Córdoba, Argentina (2004-2013). Archivos argentinos de pediatría, 114(6), 534- 542.spa
dc.relation.referencesAssuncao, R. and Krainski, E. (2009). Neighborhood dependence in Bayesian spatial models. Biometrical Journal, 5(51), 851869.spa
dc.relation.referencesBanerjee, S., Carlin, B. P. y Gelfand, A. E. (eds.) (2004). Hierarchical Modeling and Analysis for Spatial Data. Chapman and Hall, Boca Ratonspa
dc.relation.referencesBanerjee, S., Carlin, B., and Gelfand, A. (2003). Hierarchical Modeling and Analysis for Spatial Data. Monographs on Statistics and Applied Probability. Chapman & Hall, New York.spa
dc.relation.referencesBlangiardo, M., & Cameletti, M. (2015). Spatial and spatio-temporal Bayesian models with RINLA. John Wiley & Sons.spa
dc.relation.referencesBatista Hernández, Norma, Antón Fleites, Oscar, & Alegret Rodríguez, Milagros. (2012). Análisis espacio- temporal de eventos asociados al cáncer: una herramienta para apoyar estudios epidemiológicos. MediSur, 10(2), 171-181. Recuperado en 28 de febrero de 2019,de http://scielo.sld.cu/scielo.php?script=sci arttext&pid=S1727-897X201200020006& lng=es&tlng=es.spa
dc.relation.referencesBernardinelli, L., Clayton, D., Pascutto, C., Montomoli, C., Ghislandi, M. y Songini, M. 1995. Bayesian analysis of space-time variation in disease risk. Statistics in Medicine 14: 2433- 2443spa
dc.relation.referencesBesag, Julian, and Charles Kooperberg. On conditional and intrinsic autoregression. Biometrika (1995): 733-746.spa
dc.relation.referencesBesag, J., York, J. C. y Mollie, A. (1991). Bayesian image restoration, with two applications in spatial statistics (with discussion). Annals of the Institute of Statistical Mathematics 43:1-59.spa
dc.relation.referencesBesag, Julian. Spatial interaction and the statistical analysis of lattice systems. Journal of the Royal Statistical Society. Series B (Methodological) (1974): 192-236.spa
dc.relation.referencesBest, N., Richardson, S., and Thomson, A. (2005). A comparison of Bayesian spatialmodels for disease mapping. Statistical Methods in Medical Research, 1(14), 3559.spa
dc.relation.referencesCressie, N. (1993). Statistics for Spatial Data. Wileyspa
dc.relation.referencesChou, S. W., & Alvarado, R. (2018). Un Modelo jerárquico Bayesiano espacio-temporal con variable de conteos: aplicación de VIH/SIDA en Costa Rica. Comunicaciones en Estadística, 11(1), 9-35.spa
dc.relation.referencesCongdon, P. (2007). Bayesian Statistical Modelling. John Wiley and Sons, Ltdspa
dc.relation.referencesInstituto Nacional de Cancerología (2015). Análisis de Situación del Cáncer en Colombia. Bogotá: Giana María Henríquez Mendoza.spa
dc.relation.referencesJulio, Y. R. (2014). Bases de datos geografícas y autocorrelación espacial para identifi car patrones de distribuciones espaciales. Investigación e Innovación en Ingenierías, 2(1).spa
dc.relation.referencesGelfand, A., Diggle, P., Fuentes, M., and Guttorp, P., editors (2010). Handbook of Spatial Statistics. Chapman & Hall.spa
dc.relation.referencesGonzález-Robledo, L. M., González-Robledo, M. C., Nigenda, G.,& López-Carrillo, L. (2010). Acciones gubernamentales para la detección temprana del cáncer de mama en América Latina. Retos a futuro. Salud pública de México, 52(6), 533-543.spa
dc.relation.referencesLawson, A. (2009). Bayesian Disease Mapping. Hierarchical Modeling in Spatial Epidemiology. CRC Press.spa
dc.relation.referencesLee, D. (2011).Acomparison of conditional autoregressive models used in Bayesian disease mapping. Spatial and Spatio-Temporal Epidemiology, 2(2), 7989.spa
dc.relation.referencesMinsalud.gov.co. (2013). [online] Available at:https://www.minsalud.gov.co/sites/rid/Lists/ BibliotecaDigital/RIDE/VS/ED/GCFI/guia-ross-cancer.pdf [Accessed 21 May 2019].spa
dc.relation.referencesMorris, M. (2018). Spatial Models in Stan: Intrinsic Auto-Regressive Models for Areal Data. [online] Mc-stan.org. Available at:https://mc-stan.org/users/documentation/case-studies/icarstan.html [Accessed 23 May 2019].spa
dc.relation.referencesOsma , Martinez, S. (2012). Supervivencia a cinco años de las mujeres con cáncer de mama de Bucaramanga y su área metropolitana según el estado clínico. Magister. Universidad Industrial de Santander.spa
dc.relation.referencesPascutto, C., Wake eld, J., Best, N., Richardson, S., Bernardinelli, L., Staines, A., and Elliott, P. (2000). Statistical issues in the analysis of disease mapping data. Statistics in Medicine, 19(17-18), 2493 519spa
dc.relation.referencesPardo, C., & Cendales, R. (2018). Estimaciones de incidencia y mortalidad para los principales cinco tipos de cáncer en Colombia, 2007-2011. Colombia Medica, 49(1).spa
dc.relation.referencesPardo C, Cendales R. Incidencia estimada, mortalidad y prevalencia por cáncer en Colombia 2007- 2011. Bogotá, D.C: Instituto Nacional de Cancerología; 2015.spa
dc.relation.referencesPardo Ramos, C., & Cendales Duarte, R. (2010). Incidencia estimada y mortalidad por cáncer en Colombia 2002-2006. In Incidencia estimada y mortalidad por cáncer en Colombia 2002-2006.spa
dc.relation.referencesPiñeros Petersen, M., Pardo Ramos, C., Gamboa Garay, O., & Hernández Suárez, G. (2017). Atlas de mortalidad por cáncer en Colombia . In Atlas de mortalidad por cáncer en Colombia .spa
dc.relation.referencesRestrepo JA, Bravo LE, García-Perdomo HA, García LS, Collazos P, Carbonell J. Incidencia, mortalidad y supervivencia al cáncer de próstata en Cali, Colombia, 1962-2011. Salud Pública Mex 2014;56:440-447.spa
dc.relation.referencesSalmeron, R. & Ruiz -Medina,M.D. (2008). Multispectral decompositionof FAR(p models.Stochastic and Environmental Research and Risk Assessement, DOI: 10.1007/s00477-008-0213)spa
dc.relation.referencesSpiegelhalter D., Nicola G., Bradley P., Vander A., (2002): Bayesian Measures of model complexity and t (with discussion). Journal of the Royal Statistical Society B 64:583-639.spa
dc.relation.referencesVergara-Dagobeth, E., Suárez-Causado, A., & Gómez-Arias, R. D. (2017). Plan Control del cáncer en Colombia 2012-2021. Un análisis formal. Gerencia y Políticas de Salud, 16(33), 6-18.spa
dc.relation.referencesZambrano, S. E. O., & Uribe, C. (2014). Tasas de incidencia y mortalidad por cáncer de mama en el área metropolitana de Bucaramanga en el período 2001-2005. MedUNAB, 16(3), 101-111.spa
dc.subject.proposalCáncer de mamaspa
dc.subject.proposalCáncer de próstataspa
dc.subject.proposalEstadística bayesianaspa
dc.subject.proposalModelo lineal generalizadospa
dc.subject.proposalModelo espacio temporalspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.description.degreelevelPregradospa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia

Indexado por: