Título: Evaluación del impacto del sesgo por confusión espacial en estudios epidemiológicos y medioambientales

Universidade que oferta o proxecto: Universidade de Vigo

Director/a: Cotos Yáñez, Tomás;  Rodríguez Álvarez, María José

Resumo:
Los modelos de regresión espacial se utilizan con frecuencia en estudios ambientales y epidemiológicos para captar la variación geográfica no explicada por las covariables observadas, mediante la inclusión de efectos aleatorios espaciales. Sin embargo, puede surgir confusión espacial cuando las covariables de interés también presentan estructura espacial. Esto es habitual en variables como los niveles de contaminación del aire, la temperatura o indicadores socioeconómicos como los índices de privación. En estos casos, la colinealidad entre las covariables y los efectos espaciales puede provocar estimaciones sesgadas de los efectos, lo que afecta a la validez de las conclusiones. Este problema es bien conocido en la cartografía de enfermedades y en estudios ambientales (Reich et al., 2006; Hodges & Reich, 2010), aunque en la práctica no siempre se aborda de forma adecuada. Trabajos recientes de Dupont et al. (2022, 2025) han mostrado que este tipo de sesgo está relacionado con el suavizado espacial y que puede aparecer incluso cuando el modelo está correctamente especificado. Como solución, proponen spatial+, un enfoque flexible que puede aplicarse en distintos contextos y que resulta accesible para su uso en análisis prácticos, ya que permite reducir el sesgo sin eliminar la estructura espacial del modelo. Este trabajo aplicará estas ideas a datos epidemiológicos y ambientales. A partir del marco teórico reciente, se estudiará cómo se manifiesta la confusión espacial en contextos realistas de modelización. El proyecto también puede contribuir a identificar ajustes prácticos o herramientas de diagnóstico útiles en aplicaciones concretas. Referencias: - Dupont, E., Marques, I. and Kneib, T. (2024). Demystifying Spatial Confounding. ArXiv preprint: https://arxiv.org/abs/2309.16861 - Dupont, E., Wood, S. N. and Augustin, N.H. (2022). Spatial+: A novel approach to spatial confounding. Biometrics, 78(4):1279-1290 - Hodges, J. S., & Reich, B. J. (2010). Adding spatially-correlated errors can mess up the fixed effect you love. The American Statistician, 64(4), 325–334 - Reich, B. J., Hodges, J. S., & Zadnik, V. (2006). Effects of residual smoothing on the posterior of the fixed effects in disease-mapping models. Biometrics, 62(4), 1197–1206

Máis información