Una pequeña mirada a la estadística bayesiana en el análisis de datos cardiológicos

Carmen Armero Cervera ^[1] ; Patricia Rodríguez Pérez ^[3] ; José M. de la Torre Hernández ^[2]
1. [1] Universitat de València
  
  Universitat de València
  
  Valencia, España
2. [2] Hospital Universitario Marqués de Valdecilla
  
  Hospital Universitario Marqués de Valdecilla
  
  Santander, España
3. [3] Clinical and Medical Affairs Department, Biotronik Spain, España
Mostrar afiliaciones +
Localización: REC: Interventional Cardiology, ISSN-e 2604-7276, ISSN 2604-7306, Vol. 4, Nº. 3, 2022, págs. 207-215
Idioma: español
Títulos paralelos:
- A brief look into Bayesian statistics in cardiology data analysis
Enlaces
- Texto completo (pdf)

Resumen
- español
  La estadística bayesiana valora de forma probabilística cualquier fuente de incertidumbre asociada a un estudio estadístico y utiliza el teorema de Bayes para actualizar, de manera secuencial, la información generada en las diferentes fases del estudio. Las características de la inferencia bayesiana la hacen especialmente útil para el tratamiento de datos cardiológicos procedentes de estudios experimentales u observacionales que contienen diferentes fuentes de variabilidad y complejidad. En este trabajo se presentan los conceptos básicos de la estadística bayesiana relativos a la estimación de parámetros y cantidades derivadas, predicción de nuevos datos y contrastes de hipótesis; estos últimos en el contexto de la selección de modelos o teorías.
- English
  Bayesian statistics assesses probabilistically all sources of uncertainty involved in a statistical study and uses Bayes’ theorem to sequentially update the information generated in the different phases of the study. The characteristics of Bayesian inference make it particularly useful for the treatment of cardiological data from experimental or observational studies including different sources of variability, and complexity. This paper presents the basic concepts of Bayesian statistics associated with the estimation of parameters and derived quantities, new data prediction, and hypothesis testing. The latter in the context of model or theory selection.