G. Gómez Melis, J. Najera-Zuloaga, M. Besalu Mayol

Multistate models can be used to describe the movement of patients among different states. While first order Markov condition where the future evolution only depends on the current state might be too restrictive, second order Markov could provide a more realistic description of the reality. Second order Markov models assume that the progression of the patient not only depends on the current state but also the preceding. Inference in this case is not straightforward because it entails a MxMxM matrix (M is the number of states). An extended transition probability matrix as M different matrices of order MxM has been proposed, as well as an extension of the Chapman-Kolmogorov equations.
In this talk we present two different nonparametric estimators for the transition probabilities and explore their properties both asymptotically and by simulation. The methods will be illustrated for COVID-19 patients at a high risk of developing severe outcomes.

Palabras clave: Multi-State Models, Non-Markov

Programado

Bioestadística I
8 de noviembre de 2023  12:00
CC2: Sala Conferencias


Otros trabajos en la misma sesión


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.