Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Revista Colombiana de Estadística
Print version ISSN 0120-1751
Abstract
TADDEO, MARCELO M. and AMORIM, LEILA D.. Mediación causal para datos de supervivencia: un enfoque unificador a través de GLM. Rev.Colomb.Estad. [online]. 2022, vol.45, n.1, pp.161-191. Epub Jan 17, 2023. ISSN 0120-1751. https://doi.org/10.15446/rce.v45n1.94553.
El análisis de mediación ha recibido mucha atención en los últimos años, principalmente debido a su capacidad para desenredar las vías causales. Particularmente, mediación causal para el tiempo hasta el evento se ha discutido ampliamente utilizando tiempos de falla acelerados, modelos de Cox y Aalen, con mediador continuo o binario. Derivamos expresiones generales para el efecto directo natural y el efecto indirecto natural para el el tiempo hasta el evento cuando el mediador se modela utilizando modelos lineales generalizados, que incluyen procedimientos existentes como casos particulares. Definimos una medida para evaluar variaciones en exposiciones continuas en presencia de mediación. Consideramos un estudio de cohorte prospectivo que investiga la mediación de la hepatitis B en la relación entre la hepatitis C y el cáncer de hígado. Encajamos diferentes modelos, así como distintas distribuciones y funciones de enlace. Todos los enfoques dan como resultado evaluaciones consistentes de los effectos considerando sus correspondientes escalas. Los modelos de supervivencia proporcionan un marco convincente apropiado para responder a muchas preguntas de investigación que involucran mediación causal. Las extensiones a través de GLM para el mediador pueden abarcar un amplio campo de investigación médica, lo que permite el control necesario para los factores de confusión.
Keywords : análisis de supervivencia; inferencia causal; mediación; modelos lineales generalizados.