Horarios y sesiones

Día	Sesión	Bloque	Contenidos principales	Material / Lecturas
Día 1	09:00–10:30	Teoría	Introducción a análisis de decisión Buenas prácticas (ISPOR-SMDM, transparencia, validación y verificación) Elementos de un marco de decisión	Presentación (Día 1) Material / Lecturas (Día 1)
Día 1	10:30–10:45	Pausa café	Pausa para café y descanso.
Día 1	10:45–12:30	Teoría	Estructuración de decisiones Motivación del uso de modelos de decisión en salud Propósitos, tipos (árboles de decisión, cSTM, microsimulación, DES), cuándo usar cada uno Introducción a análisis de costo-efectividad y evaluación económica Costos directos, utilidades, horizonte temporal, tasa de descuento (p. ej., 3% anual) Razón de costo-efectividad incremental (RCEI), limitaciones del RCEI, enfoque de beneficio monetario neto (NMB) o de salud (NHB) Plano costo-efectividad e interpretación Resúmenes para decisión: tablas de dominancia/extendida, estrategia óptima por umbral
Día 1	14:00–15:15	Teoría	Shopping spree Costo-efectividad incremental
Día 1	15:15–15:30	Pausa café	Pausa para café y descanso.
Día 1	15:30–16:30	Laboratorio en	Preparación del proyecto (estructura de carpetas, GitHub, control de versiones opcional, uso de dampack y darthtools) Costo-efectividad incremental en R
Día 2	09:00–10:30	Teoría	Modelos Markov (aka cSTMs: cohort state-transition models) independientes del tiempo Definición de estados de salud, horizonte temporal, tamaño de ciclo y corrección de medio ciclo Probabilidades y tasas de transición constantes Parametrización: probabilidades vs tasas y transformaciones Estructura matricial (matrices de transición) y traza de la cohorte Desenlaces de interés: QALYs, años de vida, costos Desenlaces con descuento	Presentación (Día 2) Material / Lecturas (Día 2)
Día 2	10:30–10:45	Pausa café	Pausa para café y descanso.
Día 2	10:45–12:30	Laboratorio en	Implementación paso a paso de un modelo Markov de tres estados independiente del tiempo: Definición de estados (Healthy, Sick, Dead) Construcción de matrices de transición independientes del tiempo Simulación de la cohorte y cálculo de resultados Aplicación de corrección de medio ciclo y descuento Diagnósticos y cálculo y visualización de desenlaces del modelo de tres estados: Verificación de sumas de probabilidades Generación de desenlaces: traza de la cohorte, curva de sobrevida, esperanza de vida, prevalencia, y costos Gráfico de desenlaces Actividad en grupo – Implementación del modelo Sick-Sicker independiente del tiempo: Definición de estados (Healthy, Sick, Sicker, Dead) Construcción de matrices de transición independientes del tiempo Simulación de la cohorte y cálculo de resultados Aplicación de corrección de medio ciclo y descuento Verificación de sumas de probabilidades Generación de desenlaces: traza de la cohorte, curva de sobrevida, esperanza de vida, prevalencia, y costos Gráfico de desenlaces
Día 2	14:00–15:00	Teoría	Modelos Markov dependientes del tiempo de simulación (p.ej., dependientes de la edad): Transiciones dependientes de la edad: mortalidad general (tablas de vida), riesgos de enfermedad específica de la edad, etc. Estructura matricial (matrices de transición por edad) Modelos Markov dependientes del tiempo de residencia en un estado: Transiciones dependientes del tiempo en un estado: severidad o mortalidad incrementa conforme se pasa el tiempo estando enfermo Creación de túneles en la estructura matricial
Día 2	15:00–15:15	Pausa café	Pausa para café y descanso.
Día 2	15:15–16:30	Laboratorio en	Implementación paso a paso de un modelo Markov de 3 estados dependiente de la edad: Definición de estados (Healthy, Sick, Dead) Importación de tablas de vida y vinculación al modelo Construcción de matrices de transición dependientes de la edad Simulación de la cohorte y cálculo de desenlaces Aplicación de corrección de medio ciclo y descuento Diagnósticos y cálculo y visualización de desenlaces del modelo de tres estados: Verificación de sumas de probabilidades Generación de desenlaces: traza de la cohorte, curva de sobrevida, esperanza de vida, prevalencia, y costos Gráfico de desenlaces Actividad en grupo – Implementación del modelo Sick-Sicker dependiente de la edad: Definición de estados (Healthy, Sick, Sicker, Dead) Construcción de matrices de transición dependientes de la edad Simulación de la cohorte y cálculo de resultados Aplicación de corrección de medio ciclo y descuento Verificación de sumas de probabilidades Generación de desenlaces: traza de la cohorte, curva de sobrevida, esperanza de vida, prevalencia, y costos Gráfico de desenlaces Implementación paso a paso de un modelo Markov de 3 estados dependiente del tiempo en un estado: Definición de estados (Healthy, Sick, Dead), expandiendo el estado Sick con túneles Construcción de matrices de transición con túneles Simulación de la cohorte y cálculo de desenlaces Aplicación de corrección de medio ciclo y descuento Diagnósticos y cálculo y visualización de desenlaces del modelo de tres estados: Verificación de sumas de probabilidades Generación de desenlaces: traza de la cohorte, curva de sobrevida, esperanza de vida, prevalencia, y costos Gráfico de desenlaces Actividad en grupo (si da tiempo) – Implementación del modelo Sick-Sicker con transiciones dependientes del tiempo que se está en el estado Sick
Día 3	09:00–10:30	Teoría	Conceptos de calibración: ¿Por qué calibrar? Objetivos de calibración, selección de targets Funciones objetivo: verosimilitud, mínimos cuadrados Identificabilidad Algoritmos de búsqueda determinística y estocástica: Nelder-Mead, algoritmos evolutivos, simulated annealing Descripción de modelo de 3 estados de recurrencia de cáncer para ser calibrado en laboratorio	Presentación (Día 3) Material / Lecturas (Día 3)
Día 3	10:30–10:45	Pausa café	Pausa para café y descanso.
Día 3	10:45–12:30	Laboratorio en	Descripción de parámetros y desenlaces de un modelo Markov de tres estados de recurrencia de cáncer Preparación de targets de calibración (supervivencia) y función de costo/verosimilitud de un modelo Markov de tres estados de recurrencia de cáncer Calibración determinística: Implementación de función objetivo Búsqueda local con Nelder-Mead y global con DEoptim y simulated annealing Actividad en grupo – Calibración del modelo Sick-Sicker: Descripción de parámetros y desenlaces Preparación de targets de calibración (supervivencia, prevalencia de Sick+Sicker y proporción de Sick de Sick+Sicker) y función de costo/verosimilitud Implementación de función objetivo Búsqueda local con Nelder-Mead y global con DEoptim y simulated annealing
Día 3	14:00–15:00	Teoría	Calibración Bayesiana: Distribuciones previa y posterior Algoritmos para muestrear de la distribución posterior MCMC (Metropolis-Hastings), diagnóstico Sampling-Importance Resampling (SIR) Incremental Mixture Importance Sampling (IMIS) Tamaño de muestra efectivo Selección de targets Validación interna, y evaluación de ajuste/robustez
Día 3	15:00–15:15	Pausa café	Pausa para café y descanso.
Día 3	15:15–16:30	Laboratorio en	Calibración Bayesiana de modelo de tres estados con IMIS: Definición de priors, likelihood y corrida IMIS Diagnóstico de convergencia y posterior summaries Graficación de parámetros calibrados Actividad en grupo – Calibración Bayesiana del modelo Sick-Sicker con IMIS: Definición de priors, likelihood y corrida IMIS Diagnóstico de convergencia y posterior summaries Graficación de parámetros calibrados, reproducibilidad (semillas, perfiles de sesión)
Día 4	09:00–10:30	Teoría	Análisis de sensibilidad: Motivación Análisis de sensibilidad de un parámetro Análisis de umbral Análisis de sensibilidad de dos parámetros	Presentación (Día 4) Material / Lecturas (Día 4)
Día 4	10:30–10:45	Pausa café	Pausa para café y descanso.
Día 4	10:45–12:30	Laboratorio en	Análisis de sensibilidad con dampack: Análisis de sensibilidad de una vía Análisis de umbral Análisis de sensibilidad de dos vías
Día 4	14:00–15:15	Teoría	Análisis probabilístico Motivación Toma de decisión bajo incertidumbre Parámetros y correlaciones; elección de distribuciones (beta, gamma, lognormal, Dirichlet, etc.) Curvas y reglas de decisión: CEAC (probabilidad de ser más costo-efectivo), CEAF (estrategia óptima promedio) Curvas de pérdida esperada Presentación para tomadores de decisión (umbrales de disposición a pagar; análisis de escenarios) (Opcional si da tiempo) Análisis de valor de la información (EVPI/EVPPI) y prioridades de investigación
Día 4	15:00–15:15	Pausa café	Pausa para café y descanso.
Día 4	15:15–16:30	Laboratorio en	Implementación de PA: Muestreo LHS, correlaciones Cálculo de ICER, NMB y generación de: Plano CE con densidades CEAC y CEAF (dampack) Curvas de pérdida esperada (dampack) Paralelización básica (parallel) y control de semillas
Día 5	09:00–10:30	Teoría	Motivación de simulación de eventos discretos (DES) Cuándo elegir DES vs cSTM Procesos puntuales de Poisson homogéneos y no-homogéneos Muestreo de tiempos de evento Descuento continuo	Presentación (Día 5) Material / Lecturas (Día 5)
Día 5	10:30–10:45	Pausa café	Pausa para café y descanso.
Día 5	10:45–12:30	Laboratorio en	Implementación de un modelo de DES en R Uso de data.table para implementar un DES Cálculo de siguientes eventos Métricas de desenlace (tiempos de espera, esperanza de vida, tiempo en estado) Cálculo de desenlaces económicos Descuento intertemporal
Día 5	14:00–15:15	Teoría	Qué es un emulador Cuándo un emulador es útil (PA costoso, calibración multiobjetivo) Emulador con regresión lineal y sus aplicaciones para análisis de sensibilidad Análisis de sensibilidad de uno y dos parámetros Análisis de umbral
Día 5	15:15–15:30	Pausa café	Pausa para café y descanso.
Día 5	15:30–16:30	Teoría	Emuladores y calibración acelerada: Diseño de experimentos (LHS) Emuladores con redes neuronales artificiales (ANNs), validación predictiva Ajuste de ANN y validación Calibración Bayesiana con emuladores rstan; comparación con evaluación directa