📊 statistics

Goodness-of-Fit Checks for Joint Models

Este artículo introduce un marco integral de comprobaciones predictivas de la distribución posterior bayesiana implementado en el paquete de R JMbayes2 para evaluar la bondad de ajuste de los modelos conjuntos de datos longitudinales y de tiempo hasta un evento, identificando eficazmente errores de especificación del modelo que los criterios estándar suelen pasar por alto.

Autores originales: Dimitris Rizopoulos, Jeremy M. G. Taylor, Isabella Kardys

Publicado 2026-01-27

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Dimitris Rizopoulos, Jeremy M. G. Taylor, Isabella Kardys

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective tratando de resolver un misterio sobre la salud de un paciente. Tienes dos tipos de pistas:

Las Pistas Longitudinales: Una serie de notas de chequeos (como la presión arterial o la función renal) tomadas a lo largo del tiempo.
La Pista de Supervivencia: El momento en que un paciente experimenta un evento de salud importante (como un ataque al corazón o una hospitalización).

Los Modelos Conjuntos (Joint Models) son como el cuaderno de un detective superinteligente que intenta conectar estos dos tipos de pistas. Se pregunta: "¿El hecho de que la presión arterial de un paciente esté cambiando en este momento nos dice cuándo podría sufrir un ataque al corazón?"

Durante mucho tiempo, los estadísticos tuvieron una forma de escribir estos cuadernos, pero carecían de una buena manera de verificar si el cuaderno realmente estaba diciendo la verdad. Tenían herramientas para comparar dos cuadernos diferentes y decir: "El Cuaderno A es ligeramente mejor que el Cuaderno B", pero no podían decir: "El Cuaderno A está completamente equivocado porque le falta una pieza clave del rompecabezas".

Este artículo introduce un nuevo conjunto de "Verificaciones de Realidad" (llamadas comprobaciones predictivas posteriores o Posterior Predictive Checks) para ver si el cuaderno del detective realmente coincide con la vida real.

Las Tres Formas de Verificar el Cuadero

Los autores sugieren tres formas diferentes de probar el modelo, dependiendo de a quién estés observando:

La Verificación del "Espejo Retrovisor" (Sujetos Existentes): Observas a un paciente que ya conoces. Introduces sus notas pasadas en el modelo y preguntas: "Si simulamos lo que debería haber sucedido basándonos en tu modelo, ¿se parece a lo que realmente sucedió?"
La Verificación de "Predicción a Ciegas" (Nuevos Sujetos): Observas a un paciente completamente nuevo donde solo conoces su edad o género, pero aún no tienes historial médico. Preguntas: "Basándote en las reglas generales del modelo, ¿cómo sería una persona típica como esta?" Esto pone a prueba si el modelo entiende a la población general, no solo a las personas específicas que estudió antes.
La Verificación de "Mitad del Viaje" (Predicción Dinámica): Imagina que estás a mitad de la historia de un paciente. Todavía está vivo y tenemos notas hasta el día de hoy. Preguntas: "Dado todo lo que sabemos en este preciso momento, ¿predice el modelo su futuro correctamente?" Esto es crucial para los médicos que necesitan actualizar las predicciones a medida que llega nueva información.

¿Cómo lo Verifican? (Las Herramientas)

El artículo utiliza varias herramientas creativas para comparar el "Mundo Simulado" (lo que el modelo cree que sucede) con el "Modo Real" (lo que realmente sucedió):

La Línea Promedio (Media): Imagina dibujar una línea a través de todas las lecturas de presión arterial de los pacientes. ¿Sigue la línea promedio del modelo la línea real? Si la línea real sube y la línea del modelo se mantiene plana, el modelo está omitiendo algo.
El Margen de Movimiento (Varianza): A veces los números de los pacientes saltan mucho; otras veces son estables. ¿Captura el modelo este "margen de movimiento"? Si los datos reales son caóticos pero el modelo piensa que todos están tranquilos, el modelo es demasiado rígido.
El Ritmo (Correlación): Si la presión arterial de un paciente se dispara hoy, ¿espera el modelo que también sea alta mañana? El modelo necesita entender el "ritmo" de los datos.
El Vínculo (Concordancia): Esta es la parte más importante para los modelos conjuntos. Verifica si el modelo conecta correctamente el cambio en las notas con el rieso del evento. Es como verificar si el modelo adivinó correctamente que una caída repentina en la función renal conduce a una mayor probabilidad de hospitalización.

La Prueba del Mundo Real: El Estudio de Insuficiencia Cardíaca

Los autores probaron estas verificaciones en un estudio real llamado Bio-SHiFT, que siguió a pacientes con insuficiencia cardíaca. Estaban rastreando dos cosas:

eGFR: Una medida de la función renal.
NGAL: Una proteína en la sangre que señala inflamación.

Querían ver si los cambios en estos números predecían las hospitalizaciones por insuficiencia cardíaca o la muerte.

Lo que encontraron:

Las herramientas estándar (como DIC y WAIC) no podían notar la diferencia entre un buen modelo y uno malo. Eran como un juez que simplemente elige el "cuaderno que se ve más ordenado" sin leer la historia.
Las nuevas Verificaciones de Realidad fueron mucho más agudas. Pudieron detectar cuando un modelo estaba usando la matemática incorrecta (como asumir una línea recta cuando los datos eran en realidad una curva).
Descubrieron que, para la función renal, el modelo funcionaba mejor si miraba la historia promedio del paciente en lugar de solo el número actual.
También descubrieron que el marcador de proteína (NGAL) era un predictor de problemas mucho más fuerte que el número de la función renal, un detalle que las nuevas verificaciones ayudaron a confirmar.

La Prueba de Simulación: El Laboratorio de "Datos Falsos"

Para demostrar que sus verificaciones funcionan, los autores crearon un laboratorio de "Datos Falsos". Construyeron un modelo perfecto, generaron 300 pacientes falsos y luego intentaron engañar al sistema alimentándolo con modelos rotos (modelos con matemáticas erróneas o suposiciones incorrectas).

El Resultado: Las herramientas estándar no detectaron los modelos rotos; pensaron que los modelos malos estaban bien.
Las Nuevas Verificaciones: Las nuevas "Verificaciones de Realidad" detectaron los errores de inmediato. Pudieron decir: "¡Oye, este modelo piensa que los datos son una línea recta, pero los datos falsos son en realidad una curva!"

La Conclusión

Este artículo entrega a los estadísticos y médicos una nueva linterna. En lugar de solo adivinar qué modelo es mejor, ahora pueden apuntar la luz hacia las partes específicas del modelo para ver si encaja con los datos.

La Buena Noticia: Si un modelo está mal, estas verificaciones probablemente te dirán dónde está mal (¿es el promedio? ¿la variabilidad? ¿la conexión con el evento?).
La Herramienta: Todo esto está disponible en un paquete de software gratuito llamado JMbayes2, para que cualquiera pueda usar estas verificaciones hoy mismo.

En resumen, el artículo dice: "No confíes solo porque el modelo se ve bien en el papel. Simula el futuro, compáralo con la realidad y asegúrate de que el cuaderno del detective realmente esté resolviendo el misterio".

Planteamiento del Problema
Los modelos conjuntos para datos longitudinales y de tiempo hasta un evento se utilizan ampliamente en diversas disciplinas para analizar la asociación entre mediciones repetidas y resultados de supervivencia. A pesar de su creciente complejidad y adopción, existe una notable ausencia de herramientas sistemáticas para evaluar si estos modelos se ajustan adecuadamente a los datos o para identificar qué componentes específicos pueden estar mal especificados. Los criterios de comparación de modelos existentes, como el Criterio de Información de Deviance (DIC) y el Criterio de Información de Watanabe-Akaike (WAIC), están diseñados primordialmente para seleccionar el "mejor" modelo entre un conjunto de candidatos. Sin embargo, como señalan Zhang et al. (2014) y otros, estas métricas no garantizan que un modelo seleccionado se ajuste bien a los datos, ni ofrecen información diagnóstica sobre qué aspectos del modelo conjunto (longitudinal, de supervivencia o su asociación) son incompatibles con los datos observados. Además, los modelos conjuntos suelen depender de supuestos paramétricos que son difíciles de evaluar sin herramientas dedicadas de bondad de ajuste (GOF, por sus siglas en inglés).

Metodología
Los autores introducen un marco integral de comprobaciones predictivas posteriores bayesianas (PPC) diseñado para evaluar el ajuste de modelos conjuntos en tres entornos de evaluación distintos:

Sujetos existentes: Condicionando sobre los datos longitudinales observados, los tiempos de evento y las covariables basales.
Nuevos sujetos: Evaluando el ajuste para individuos que solo poseen información de covariables (sin datos longitudinales o de eventos).
Predicción dinámica: Evaluando el ajuste en tiempos de seguimiento intermedios ( $t_L$ ) para sujetos que no han experimentado el evento hasta ese punto.

El marco distingue entre comprobaciones "posterior-posterior" (muestreo de efectos aleatorios condicionados en los datos observados del sujeto) y comprobaciones "posterior-prior" (muestreo de efectos aleatorios de su distribución a priori para sujetos genéricos). Adicionalmente, los autores proponen comprobaciones de validación cruzada para mitigar el optimismo excesivo, evaluando los modelos en pliegues de prueba independientes.

La evaluación de la bondad de ajuste (GOF) se dirige a tres componentes específicos:

Componente Longitudinal: El ajuste se evalúa utilizando la función de distribución acumulativa empírica (eCDF) para el ajuste global. Para abordar aspectos estructurales específicos, los autores evalúan la función de la media (mediante curvas loess), la función de la varianza (mediante residuos estandarizados de curvas loess) y la estructura de correlación (mediante semivariogramas de muestra). Para dar cuenta de los procesos de visita informativos, los datos replicados se simulan en los mismos puntos temporales que las observaciones originales.
Componente de Supervivencia: El ajuste se evalúa mediante la eCDF de los tiempos de evento simulados (ajustados por censura mediante estimadores de Kaplan-Meier o Breslow) y transformaciones de la integral de probabilidad de las funciones de distribución acumulativa específicas del sujeto para verificar la uniformidad.
Asociación: El vínculo entre los procesos longitudinales y de supervivencia se examina utilizando estadísticas de concordancia dependientes del tiempo ( $C(t)$ ), calculadas utilizando el estimador de Uno et al. (2011) para dar cuenta de la censura.

Se calcula una medida resumen numérica, el Error Cuadrático Medio Integrado (MISE), para cuantificar la discrepancia entre las estadísticas observadas y las replicadas. La metodología se implementa en el paquete de R JMbayes2.

Contribuciones Clave y Resultados
El artículo aplica este marco al estudio de insuficiencia cardíaca Bio-SHiFT, investigando la asociación entre la disfunción renal (eGFR y NGAL) y resultados adversos. El análisis comparó trayectorias longitudinales lineales frente a no lineales y formas funcionales de valor actual frente a valor promedio en el submodelo de supervivencia.

Aplicación en Bio-SHiFT: Los resultados indicaron que, si bien el DIC, el WAIC y la log pseudo-marginal likelihood (LPML) no coincidieron uniformemente sobre el mejor modelo, las PPC revelaron características de ajuste distintas. Por ejemplo, las trayectorias no lineales describieron mejor la función de la media para pacientes específicos, mientras que los modelos lineales capturaron mejor la estructura de correlación de la eGFR. Las comprobaciones de la estadística de concordancia sugirieron que una forma funcional de promedio/integral proporcionaba un mejor ajuste para la asociación entre la eGFR y el evento compuesto que la forma de valor actual.
Estudio de Simulación: Un estudio de simulación controlada con 300 sujetos demostró la sensibilidad de las comprobaciones propuestas. Mientras que los criterios de información estándar (DIC, WAIC, LPML) no detectaron la mala especificación en varios escenarios (por ejemplo, tendencias lineales mal especificadas o formas funcionales incorrectas en el submodelo de supervivencia), las PPC identificaron con éxito estos problemas. Específicamente, las comprobaciones de la función de la media y la estructura de la varianza identificaron claramente las malas especificaciones en el submodelo longitudinal que los criterios de información pasaron por alto. Las comprobaciones de la estadística de concordancia fueron particularmente efectivas para detectar la mala especificación en la estructura de asociación.

Significancia y Reivindicaciones
Los autores afirman que su marco propuesto proporciona un conjunto de herramientas diagnósticas necesarias que complementan los criterios de selección de modelos existentes. La significancia principal radica en la capacidad de detectar la mala especificación del modelo que los criterios de información estándar no logran identificar. Al descomponer la evaluación en la media longitudinal, la varianza, la correlación, la distribución de supervivencia y la estructura de asociación, el marco permite a los investigadores localizar puntos específicos de inadecuación del modelo. Los autores señalan modestamente que, aunque la eCDF es una medida global útil, es menos sensible a malas especificaciones importantes en comparación con las comprobaciones de componentes específicos como la función de la media o el semivariograma. La metodología está diseñada para ser flexible, permitiendo la incorporación de métricas alternativas, y se pone a disposición de la comunidad a través del software JMbayes2.

Las Tres Formas de Verificar el Cuadero

¿Cómo lo Verifican? (Las Herramientas)

La Prueba del Mundo Real: El Estudio de Insuficiencia Cardíaca

La Prueba de Simulación: El Laboratorio de "Datos Falsos"

La Conclusión

Más como este