3.- Descargar material y código: Calibración de parámetros del modelo de decisión

Descripción del Día 3

Este módulo introduce la calibración de parámetros en modelos de decisión en salud, tanto con métodos determinísticos como bayesianos. A partir de un modelo de recurrencia de cáncer de tres estados y del modelo Sick-Sicker, las y los participantes aprenden a definir targets de calibración, construir funciones objetivo y ajustar modelos Markov a datos observados de forma transparente y reproducible.

El objetivo del día es que las y los participantes comprendan por qué y cómo calibrar un modelo de decisión, distingan entre enfoques determinísticos y bayesianos, y puedan correr y adaptar rutinas de calibración en R para sus propios modelos.

Contenido Teórico

Conceptos de Calibración: - ¿Por qué calibrar? Objetivos de calibración y selección de targets - Funciones objetivo: verosimilitud y mínimos cuadrados - Identificabilidad y problemas comunes de calibración

Algoritmos de Búsqueda: - Búsqueda local: Nelder–Mead - Búsquedas globales: algoritmos evolutivos, simulated annealing

Ejemplo de Modelo a Calibrar: - Modelo Markov de 3 estados de recurrencia de cáncer - Parámetros, desenlaces y targets (supervivencia)

Calibración Bayesiana: - Distribuciones prior y posterior - Algoritmos para muestrear de la distribución posterior - MCMC (Metropolis–Hastings), diagnóstico y tamaño de muestra efectivo - Algoritmos de importancia: SIR e IMIS - Validación interna y evaluación de ajuste/robustez

Material Práctico en R

• Descripción de parámetros y desenlaces del modelo CRS (3 estados) y Sick-Sicker
  
• Preparación de targets de calibración (supervivencia, prevalencias) y función de costo/verosimilitud
  
• Implementación de calibración determinística:
  • Búsqueda local con Nelder–Mead
  • Búsquedas globales con random search y simulated annealing (p. ej. DEoptim)
    
• Calibración Bayesiana con IMIS del modelo de 3 estados
  
• Actividad en grupo:
  • Calibración determinística y bayesiana del modelo Sick-Sicker
  • Diagnóstico, resúmenes posteriores y graficación de parámetros
  • Reproducibilidad (semillas, perfiles de sesión)

Archivos Incluidos

• Proyecto R:
  • Day 3 - Calibration.Rproj
• Scripts R – Modelo CRS (recurrencia de cáncer):
  • code/CRS model/CRS_Calib_IMIS.R – Calibración Bayesiana con IMIS
    
  • code/CRS model/CRS_Calib_IMIS_parallel.R – IMIS en paralelo
    
  • code/CRS model/CRS_Calib_NelderMead.R – Calibración determinística con Nelder–Mead
    
  • code/CRS model/CRS_Calib_RandomSearch.R – Búsqueda aleatoria (random search)
• Funciones del Modelo:
  • code/Functions/CRS_MarkovModel_Function.R – Funciones del modelo de 3 estados
    
  • code/Functions/SickSicker_MarkovModel_Function.R – Funciones del modelo Sick-Sicker
• Datos de Calibración:
  • data/CRS_CalibTargets.RData – Targets para el modelo CRS
    
  • data/SickSicker_CalibTargets.RData – Targets para el modelo Sick-Sicker
• Ejercicio Guiado:
  • exercise/SickSicker-CalibrationExercise.Rmd – Ejercicio de calibración del modelo Sick-Sicker

Requisitos

• R (versión 4.0 o superior)
  
• RStudio (recomendado)
  
• Conocimientos básicos de modelos Markov y programación en R

---

El archivo ZIP contiene todos los scripts de R, datos y material necesario para el Día 3.