Inglés      Chino      Francés      Alemán      Indonesio      Español
Buscar

17 - Supuestos importantes

As with conventional methods for estimating prevalence, pooled testing methods and bayesian methods for estimating prevalence depend on a number of important assumptions. Violation of these assumptions will result in biased estimates. Key assumptions are that:

  • the outcome is assumed to follow a binomial distribution - clustering or overdispersion of the positive outcome can cause substantial bias in the resulting estimate;
  • el estado de salud de cada individuo es independiente del estado de los demás, tanto dentro como entre grupos;
  • el muestreo de la población es por muestreo aleatorio simple;
  • las muestras individuales se asignan en grupos (grupos) por selección aleatoria;
  • el tamaño de la muestra es pequeño en relación con la población que se muestrea;
  • los valores asumidos para sensibilidad y especificidad son apropiados;
  • dilution of individual samples by pooling has no effect on sensitivity or specificity estimates (or the estimates used take any dilution effects into account);
  • samples are assumed to be mixed homogeneously in the pools and any sub-samples taken for testing are equally representative of all of the individuals contributing to each pool;
  • todas las agrupaciones representan el mismo número de individuos (excepto por el método de tamaño de agrupación variable);
  • assumed prior distributions for prevalence, sensitivity and specificity for Bayesian methods are appropriate; and
  • la prevalencia verdadera asumida para los cálculos y simulaciones de tamaño de muestra es apropiada.

« Anterior Siguiente »


Contents
1 Introducción
2 Overview
3 Métodos bayesianos vs frecuentistas
4 Tamaño de grupo fijo y pruebas perfectas
5 Tamaño de grupo fijo y conocido Se & Sp
6 Tamaño de grupo fijo e incierto Se & Sp
7 Tamaño de agrupación variable y pruebas perfectas
8 Prevalencia agrupada utilizando una muestra de Gibbs
9 Verdadera prevalencia usando una prueba
10 Prevalencia verdadera estimada usando dos pruebas con una muestra de Gibbs
11 Estimación de parámetros para distribuciones Beta anteriores
12 Tamaño de muestra para tamaño de grupo fijo y prueba perfecta
13 Tamaño de muestra para tamaño de grupo fijo y sensibilidad y especificidad de prueba conocidas
14 Tamaño de muestra para el tamaño de grupo fijo y la sensibilidad y especificidad de prueba inciertas
15 Simular muestreo para tamaño de grupo fijo
16 Simular muestreo para tamaños de grupo variables
17 Supuestos importantes
18 Las estimaciones de prevalencia agrupadas están sesgadas!