Una aproximación Bayesiana de modelos ocultos de Markov para gestionar errores de medidas y replicaciones para el seguimiento de la enfermedad de Parkinson
Varias investigaciones han considerado el uso de grabaciones de voz como una herramienta objetiva y no invasiva para la ayuda al diagnóstico y seguimiento de la enfermedad de Parkinson (EP). Motivado por los datos Telemonitoring del repositorio UCI Machine Learning, se propone un modelo oculto de Markov no homogéneo con espacio de estados continuo. El modelo aborda la gestión de los errores en las puntuaciones de la escala de clasificación de la EP, la variabilidad intrasujeto de covariables replicadas y el comportamiento no decreciente de la variable respuesta. Se presenta una aproximación Bayesiana que incluye el desarrollo de un método eficiente MCMC. El rendimiento del modelo se evalúa a través de un ejemplo de simulación y se presenta el análisis de los resultados obtenidos con el conjunto de datos Telemonitoring. El modelo se puede utilizar para cualquier proceso monótono cuya variable de respuesta continua esté sujeta a errores de medición y con replicaciones en las covariables.
Palabras clave / Keywords: características de voz enfermedad de Parkinson errores de medidas medidas replicadas métodos Bayesianos procesos no decrecientes
Otros trabajos en la misma sesión
Últimas noticias
-
04/06/18
Certificados -
13/04/18
Resumen del programa y Programa detallado -
22/03/18
Descuentos en medios de trasporte para congresistas y acompañantes -
01/02/18
Ampliación del plazo de tarifa superreducida -
19/01/18
Ampliación de plazos -
15/01/18
Programación para el día 29 de mayo -
15/01/18
Conferenciantes plenarios -
12/01/18
Sede: Palacio de Congresos -
24/12/17
Sesión plenaria en memoria del Profesor Pedro Gil -
24/12/17
Corrección bases del Premio Ramiro Melendreras
