Introducción al análisis de series de tiempo en salud ambiental

En el área de ciencias de la salud es frecuente observar datos que son recolectados en forma de series de tiempo, es decir, datos que son obtenidos en momentos sucesivos, a menudo con intervalos iguales entre ellos. El análisis de estos datos representa una oportunidad para obtener información valiosa para informar la práctica clínica o decisiones en política pública en salud. En salud ambiental, este enfoque es el estándar para estimar los efectos de corto plazo de la temperatura y la contaminación atmosférica sobre la salud, un tema de creciente relevancia en Chile y la región.

Este curso proporciona a las y los participantes definiciones y conceptos básicos de los diferentes tipos y modelos de series de tiempo comúnmente utilizados en el área de la salud, así como también las habilidades básicas para realizar, interpretar y comunicar los resultados de series de tiempo básicas.

El curso incluye clases interactivas, desarrollo de ejercicios prácticos en R y sesiones de trabajo individuales que incluyen lecturas y ejercicios de práctica.

Al finalizar el curso, los participantes serán capaces de diseñar, implementar e interpretar análisis de series de tiempo para evaluar el impacto de exposiciones ambientales (temperatura y material particulado MP2,5) sobre desenlaces de salud (mortalidad y hospitalizaciones), utilizando modelos de regresión para datos de conteo y modelos de rezagos distribuidos no lineales en R.

• Ajustar e interpretar modelos de regresión para datos de conteo (Poisson, cuasi-Poisson y binomial negativa), controlando confusores temporales y verificando sus supuestos
• Aplicar el diseño de series de tiempo interrumpidas para evaluar el efecto de intervenciones o políticas públicas sobre desenlaces de salud
• Describir los componentes de una serie de tiempo (tendencia, estacionalidad, autocorrelación) y explorar datos diarios de salud y exposición ambiental en R.
• Implementar e interpretar modelos de rezagos distribuidos no lineales (DLNM), estimar la carga atribuible y comunicar los resultados para la toma de decisiones.
• Implementar modelos GLM y GAM para caracterizar relaciones exposición-respuesta no lineales y efectos retardados de la temperatura y el MP2,5

Unidad 1. Fundamentos y exploración de datos temporales: componentes de una serie de tiempo, diseño ecológico de series de tiempo, datos de conteo, autocorrelación y correlación cruzada.

Unidad 2. Modelos para datos de conteo: regresión de Poisson, sobredispersión, control de tendencia y estacionalidad con splines, y diagnóstico de residuos.

Unidad 3. Series de tiempo interrumpidas: regresión segmentada, cambios de nivel y de pendiente, contrafactual y manejo de la autocorrelación.

Unidad 4. GLM y GAM: relaciones exposición-respuesta no lineales, temperatura de mínima mortalidad, concepto de rezago y modelos de rezago simple.

Unidad 5. DLNM: función cross-basis, curvas acumuladas y específicas por rezago, riesgo atribuible, análisis de sensibilidad y comunicación de resultados.

Profesionales, investigadores/as y estudiantes de postgrado de salud pública, epidemiología, ciencias ambientales y áreas afines, de Chile y la región, interesados/as en analizar los efectos de exposiciones ambientales sobre la salud mediante series de tiempo en R.

Cada sesión combina exposición teórica con actividades prácticas en R. Los participantes trabajan con scripts anotados que integran explicaciones conceptuales, código comentado y ejercicios progresivos. Al final de cada bloque práctico se realiza una discusión grupal para consolidar aprendizajes y resolver dudas. La evaluación formativa se realiza mediante los ejercicios prácticos de cada sesión. La sesión 5 incluye un ejercicio integrador que sintetiza todos los contenidos del curso.

• Este curso es evaluado
• Otra forma de evaluación: La evaluación formativa se realiza mediante los ejercicios prácticos de cada sesión. La evaluación sumativa incluye un ejercicio integrador que sintetiza todos los contenidos del curso.Se obtiene certificado de aprobación con nota igual o mayor a 4.0 (cuatro punto cero) en el ejercicio integrador (100% de la nota final)?