GRID-BDS ES UN GRUPO DE
INVESTIGACIÓN
LÍNEAS DE INVESTIGACIÓN
Líneas dirigidas a la promoción de la salud en la población y la prevención de enfermedades en los ámbitos biomédicos del grupo a través de la implementación del enfoque Biomedical Data Science o Ciencia de Datos Biomédicos (BDS).
L.1- Epidemiología. Desarrollo de metodologías bioestadísticas para la mejora en el diagnóstico y tratamiento de enfermedades crónico-prevalentes como la diabetes y la enfermedad cardiovascular.
L.2- Neurociencia. Desarrollo de métodos estadísticos de machine learning para neuroimagen y diagnóstico de enfermedades neurodegenerativas.
L.3- Medicina comunitaria y hábitos saludables. Nutrición e Dieta Atlántica.
L.4- Psicología. Factores de riesgo de ansiedad y depresión en mujeres en etapa perinatal (en colaboración con la red europea RISEUP-PPD).
L.5- Dermatología. Dermatopatología y Dermatología clínica. Micología Médica. Impacto de lana dermatitis atópica en lana lactancia materna. Novedades terapéuticas en la dermatitis atópica mediante lana inhibición de la vía JAK-STAT. Teledermatología. Inmunoterapia tópica y intralesional en cáncer cutáneo.
L.6- Neumología. Enfermedades de la pleura y estudio de la enfermedad pulmonar obstructiva crónica (EPOC).
L.7- Cirugía. Cirugía urológica y cálculos renales. Patología tumoral. Calidad de vida.
L.8- Oftalmología. Biomecánica corneal en enfermedades ectásicas de la córnea. Abordaje quirúrgico del Queratocono. Biometría ocular y cálculo de lentes intraoculares. Microimplantes en cirugía del glaucoma.
L.9 Software. Desarrollo de software estadístico amigable en R y Python para uso clínico.
Metodologías estadísticas aplicadas a los diferentes estudios biomédicos
Modelos de regresión distribucional de localización, escala y forma. Extensión a respuestas multivariantes (Joint Modelling)
Tanto en el ámbito frecuentista de los Generalized Additive Models for Location, Scale and Shape (GAMLSS), como en el marco Bayesiano mediante el estudio de los Distributional Regression Models y sus aplicaciones en biomedicina. Este tipo de técnicas de regresión semiparamétrica permiten modelar de forma flexible tanto las covariables predictoras como cada uno de los parámetros de la variable respuesta (y no sólo la media como en el caso de la regresión clásica). Pueden extenderse a modelos de regresión flexibles de cópula que permiten el estudio de respuestas multivariantes.
Curvas ROC de diagnóstico clínico. Selección de puntos de corte óptimos.
Las curvas ROC (Receiver Operating Characteristics), así como la selección de puntos de corte óptimos y la combinación óptima de marcadores, son imprescindibles en el ámbito de la medicina, con una gran utilidad en estudios de diagnosis, prognosis y/o clasificación a través de tests diagnósticos.
Análisis de supervivencia. Modelos multiestado. Riesgos competitivos. Modelización conjunta (Joint Modelling) de datos longitudinales y de supervivencia.
Las técnicas de análisis de supervivencia permiten describir y cuantificar el tiempo hasta un evento de interés, como puede ser la aparición de cierta enfermedad o el fallecimiento. En ocasiones, además del evento de interés, también resulta de interés el estudio de estados intermedios (Modelos Multiestado) o se tienen varios eventos que compiten entre sí (Riesgos Competitivos). Además, es habitual en la práctica clínica la medición de un determinado biomarcador en sucesivas visitas de un paciente, de modo que se obtienen medidas repetidas del mismo a lo largo del tiempo (datos longituinales) que permiten estudiar cómo la evolución del paciente a lo largo del tiempo condiciona el tiempo de desarrollo de una enfermedad o muerte del paciente y para lo que es precisa la modelización conjunta de estos datos con los de superviviencia.
Análisis de datos funcionales
En los últimos años estamos asistiendo a un cambio tecnológico derivado de la introducción de nuevos equipos de medición capaces de proporcionar grandes cantidades de información de forma rápida y precisa. Debido a esto, los datos funcionales (medidas tomadas a un individuo durante un intervalo continuo de tiempo) están empezando a ganar importancia en el ámbito de las ciencias de la Salud y Medioambientales.
Estadística espacio-temporal (incluyendo disease mapping).
Búsqueda de factores con influencia en la aparición de morbimortalidad teniendo en cuenta los efectos espaciales en el que se aúnan técnicas de regresión flexible con efectos aleatorios, incluyendo los espaciales y temporales, e incluso modelos de supervivencia.
Modelos de predicción clínica.
Estos modelos se han vuelto imprescindibles en medicina, ya que combinan ciertas características de los pacientes para tratar de predecir un diagnóstico o un pronóstico de forma individualizada, permitiendo al facultativo actuar en consecuencia a los resultados obtenidos. Dentro de este grupo de modelos se pueden encontrar, entre otras, las metodologías estadística anteriormente descritas.
Técnicas de aprendizaje automático.
Árboles de decisión, máquinas de soporte vectorial, bosques aleatorios y redes neuronales profundas.
¿POR QUÉ TE PODEMOS AYUDAR?
La estadística, y en concreto la bioestadística se han convertido en herramientas fundamentales para enfrentarse a los grandes desafíos de la investigación biomédica actual.
Muchos estudios de investigación, debido al gran número de datos que manejan y/o de la complejidad de los mismos, precisan de metodologías estadísticas y computacionales avanzadas que permitan mejorar la calidad de los resultados de investigación.
El GRID-BDS reúne los ingredientes necesarios para realizar una gestión eficaz de los datos de investigación, que permita obtener resultados veraces, fiables y exactos en estudios de investigación biomédicos.
Queremos ser tu socio estratégico
- Empresas biomédicas
- Farmacéuticas
- Proyectos Europeos
- Grupos de investigación
