2.- Descargar material y código: Análisis de Sensibilidad y Probabilístico

Author


Fernando Alarid-Escudero, PhD

Published

December 4, 2025

Descripción del Día 4

Este módulo profundiza en el análisis de sensibilidad determinístico y el análisis probabilístico (PSA), herramientas esenciales para evaluar la robustez de los resultados de modelos de decisión ante la incertidumbre en los parámetros. Se cubren técnicas desde análisis univariados hasta métodos avanzados de cuantificación de incertidumbre, análisis de valor de la información y presentación de resultados para tomadores de decisión.

El objetivo del día es que las y los participantes dominen el uso de análisis de sensibilidad para identificar parámetros críticos, implementen análisis probabilísticos con muestreo apropiado, interpreten curvas de decisión (CEAC, CEAF, pérdida esperada) y comprendan cómo estos análisis informan prioridades de investigación futura.

Contenido Teórico

Análisis de Sensibilidad Determinístico:

  • Motivación y tipos de análisis de sensibilidad
  • Análisis de sensibilidad de un parámetro (univariado)
  • Análisis de umbral (threshold analysis)
  • Análisis de sensibilidad de dos parámetros (bivariado)

Análisis Probabilístico:

  • Motivación: cuantificación de incertidumbre paramétrica
  • Toma de decisión bajo incertidumbre
  • Selección de distribuciones probabilísticas:
    • Beta (proporciones), Gamma (costos), Lognormal (riesgos relativos)
    • Dirichlet (probabilidades que suman 1)
  • Manejo de correlaciones entre parámetros

Curvas y Reglas de Decisión:

  • Curva de aceptabilidad costo-efectividad (CEAC): probabilidad de ser óptima
  • Frontera de aceptabilidad costo-efectividad (CEAF): estrategia óptima esperada
  • Curvas de pérdida esperada (expected loss curves)

Presentación para Tomadores de Decisión:

  • Interpretación de umbrales de disposición a pagar
  • Análisis de escenarios y presentación de resultados
  • (Opcional) Análisis de valor de la información: EVPI, EVPPI y priorización de investigación

Material Práctico en R

  • Análisis de sensibilidad con dampack:
    • Análisis de sensibilidad de una vía (owsa)
    • Análisis de umbral (threshold analysis)
    • Análisis de sensibilidad de dos vías (twsa)
  • Implementación de análisis probabilístico:
    • Muestreo Latin Hypercube (LHS) y correlaciones
    • Cálculo de ICER y NMB bajo incertidumbre
    • Generación de planos costo-efectividad con densidades
    • Curvas CEAC, CEAF y pérdida esperada con dampack
  • Paralelización básica (paquete parallel) y control de semillas para reproducibilidad
  • (Opcional) Análisis de valor de la información: implementación de EVPI/EVPPI

Archivos Incluidos

  • Proyecto R:
    • Day 4 - Sensitivity Analysis.Rproj
  • Scripts R:
    • code/markov_sick-sicker_time_DSA_PSA.R – Análisis de sensibilidad determinístico y probabilístico
    • code/markov_sick-sicker_time_SA_solutions.R – Soluciones de ejercicios de sensibilidad
    • code/Functions_markov_sick-sicker_time.R – Funciones auxiliares del modelo
    • code/voi/VOI_R.R – Introducción al análisis de valor de la información
    • code/voi/VOI_Sick-Sicker.R – Implementación de VOI para modelo Sick-Sicker
    • code/voi/VOI_Functions.R – Funciones para cálculo de EVPI/EVPPI
    • code/voi/GA_functions.R – Funciones de algoritmos genéticos para optimización
  • Datos:
    • data/HMD_USA_Mx_2015.csv – Tablas de mortalidad (Human Mortality Database)
    • data/PSA.csv – Resultados de análisis probabilístico
    • data/psa_sick_sicker.csv – Datos PSA del modelo Sick-Sicker

Requisitos

  • R (versión 4.0 o superior)
  • RStudio (recomendado)
  • Paquetes: dampack, darthtools, lhs, parallel

El archivo ZIP contiene todos los scripts de R, datos y material necesario para el Día 4.