Uso del enfoque bayesiano para la estimación y proyección de tasas

Abstract

Objetivo. Aplicar y valorar el enfoque bayesiano para realizar proyecciones de tasas de mortalidad por cáncer a través del ajuste de modelos edad-período-cohorte (EPC). Métodos. El método de estimación bayesiano se aplica a datos de mortalidad por cáncer de vejiga en Argentina. Se adopta un esquema autorregresivo de segundo orden para la especificación a priori de los coeficientes del modelo EPC. Se comparan las estimaciones obtenidas con toda la información disponible y excluyendo los grupos de edad con tasas de mortalidad bajas, a fin de valorar el comportamiento del enfoque ante datos esparcidos. Se proyectan las tasas de mortalidad a dos períodos sucesivos a los observados. Resultados. Se comprueba la robustez del método, lo cual evita excluir los grupos de edad con tasas de mortalidad nulas o bajas. Las tasas observadas caen todas dentro de las bandas de credibilidad y confirman la bondad del ajuste del modelo. Se observa una tendencia general decreciente de las tasas de mortalidad por cáncer de vejiga. Las estimaciones y proyecciones de estas tasas resultan más precisas en los grupos etarios que presentan mayor incidencia de mortalidad. Conclusiones. La formulación bayesiana utilizada permite reducir la variación aleatoria entre estimaciones adyacentes al especificar que los efectos de cada escala dependan de los inmediatos anteriores. Se demuestra la capacidad del enfoque para manejar frecuencias bajas y obtener estimaciones confiables de las tasas de mortalidad, como así también proyecciones precisas sin necesidad de realizar supuestos adicionales como sucede en el ajuste clásico de un modelo EPC.

Objective. Apply and assess a Bayesian approach to projecting cancer mortality rates by fitting age-period-cohort (APC) models. Methods. The Bayesian estimation method was applied to bladder cancer mortality data in Argentina. A second-order autoregressive model was adopted for a priori specification of APC model coefficients. The estimates obtained were compared with all available information and excluding age groups with low mortality, to assess behavior of the approach in light of scattered data. Mortality was projected for two successive periods following the ones observed. Results. Robustness of the method was verified, which avoids excluding age groups with null or low mortality. Observed rates all fall within the credibility bands and confirm the model’s goodness of fit. An overall downward trend in bladder cancer mortality was observed. Estimates and projections of these rates are more precise in age groups that have greater incidence of mortality. Conclusions. The Bayesian formulation used herein makes it possible to reduce random variation between adjacent estimates by specifying that the effects of each scale depend on the immediately preceding ones. It was demonstrated that the approach has the capacity to handle low frequencies and obtain reliable mortality estimates, as well as precise projections, without the need for making additional assumptions, as happens in classical APC model fitting.