Aplicación de modelos bayesianos para estimar la prevalencia de enfermedad y la sensibilidad y especificidad de tests de diagnóstico clínico sin gold standard

La investigación diagnóstica tiene como objetivo estimar con exactitud y precisión la prevalencia de la enfermedad, así como la sensibilidad y especificidad de test diagnóstico. Se desarrollaron modelos de clases latentes que consideran la correlación entre mediciones de individuos determinadas por diferentes tests para diagnosticar enfermedades en ausencia de una test gold standard. Esta tesis propuso una extensión Bayesiana del modelo de clase latente de efectos aleatorios Gaussianos para ajustar datos de tests diagnósticos con resultados binarios y medidas repetidas por individuo en ausencia de gold standard y la aplicación del modelo propuesto a datos reales utilizados en el diagnóstico de tuberculosis latente.