Pronósticos de la dinámica no estacionaria de hiper-superficies Gaidai multidimensionales en biosistemas: un enfoque...

Área de la Ciencia:

• Bioestadística
• Epidemiología
• Salud pública

Sus antecedentes:

• La predicción de las tasas de mortalidad para enfermedades importantes como el cáncer, los trastornos cardiovasculares y la diabetes es vital para la planificación de la salud pública.
• Los métodos estadísticos existentes tienen dificultades con datos espaciotemporales de alta dimensión y multirregionales, especialmente más allá de los análisis bivariados.

Objetivo del estudio:

• Aplicar un nuevo concepto de pronóstico espaciotemporal de hiper-superficie Gaidai de modo de falla múltiple para analizar datos de vigilancia clínica.
• Evaluar una metodología multimodal para evaluar la confiabilidad de biosistemas complejos.

Principales métodos:

• Se aplicó una metodología bioestadística multicéntrica y poblacional a datos de biosistemas de 685 dimensiones de 195 naciones.
• El estudio aborda los desafíos en la extensión de la Teoría de Valores Extremos (EVT) de datos univariados a datos espaciotemporales de alta dimensión.

Principales resultados:

• La metodología multimodal propuesta maneja eficazmente datos complejos espaciotemporales de salud pública.
• Se informaron las tasas de mortalidad proyectadas a 15 y 100 años con intervalos de confianza (IC) del 95% para trastornos de cáncer, cardiovasculares y diabetes.

Conclusiones:

• Los hallazgos tienen implicaciones para la salud digital y las herramientas de pronóstico multimodal, especialmente para el análisis de big data en salud pública.
• El concepto de biorfiabilidad multivariante mejora las estimaciones de bio-riesgo, particularmente con tamaños de muestra de datos limitados.