Un modelo jerárquico bayesiano longitudinal para la predicción personalizada de glucosa en diabetes tipo 1
Lograr un control adecuado de la glucosa en la diabetes tipo 1 sigue siendo un reto debido a la necesidad de monitorización continua y ajustes individualizados. El uso de sensores y dispositivos inteligentes genera datos ricos pero complejos, con estructura jerárquica, dependencia temporal y valores faltantes. En este trabajo se propone un modelo longitudinal jerárquico bayesiano aplicado al conjunto de datos HUPA-UCM del Hospital Universitario Príncipe de Asturias de Alcalá de Henares y la universidad Complutense de Madrid, que incluye mediciones de glucosa, insulina, dieta, actividad y sueño en 25 pacientes. El modelo integra efectos individuales y variables que cambian en el tiempo, captando tanto dinámicas temporales como diferencias entre personas. La inferencia se realiza mediante MCMC. El enfoque facilita el manejo de datos incompletos y aporta información útil para la toma de decisiones clínicas y el desarrollo de sistemas personalizados.
Keywords: Diabetes Mellitus Tipo 1 Estadística Bayesiana Modelo jerárquico