Discrete event simulation with probabilistic graphical models

El análisis de coste-efectividad (cost-effectiveness analysis, CEA) es vital en economía de la salud al proporcionar un enfoque sistemático para evaluar la eficiencia económica de intervenciones sanitarias. A medida que aumenta la complejidad de la toma de decisiones en el ámbito de la salud, los mo...

Descripción completa

Detalles Bibliográficos
Autor: Yago Sánchez, Carmen María
Tipo de recurso: tesis doctoral
Fecha de publicación:2026
País:España
Institución:Universidad Nacional de Educación a Distancia
Repositorio:e-spacio. Repositorio Institucional de la UNED
Idioma:inglés
OAI Identifier:oai:dnet:espacio_____::cdd21bd657af786f0060dd9ef8a1a4e5
Acceso en línea:https://hdl.handle.net/20.500.14468/32640
Access Level:acceso abierto
Palabra clave:1203.04 Inteligencia artificial
Descripción
Sumario:El análisis de coste-efectividad (cost-effectiveness analysis, CEA) es vital en economía de la salud al proporcionar un enfoque sistemático para evaluar la eficiencia económica de intervenciones sanitarias. A medida que aumenta la complejidad de la toma de decisiones en el ámbito de la salud, los modelos gráficos probabilistas (probabilistic graphical models, PGM) se han revelado como herramientas potentes para representar y analizar visualmente las relaciones complejas entre los diversos factores que influyen en el CEA. Al mismo tiempo, la simulación de eventos discretos (discrete event simulation, DES) está ganando terreno como una metodología robusta para modelar el CEA, particularmente a través de la simulación a nivel de paciente, lo que permite una representación detallada de trayectorias individuales. Esta tesis presenta las redes de simulación de eventos discretos (discrete event simulation networks, DESnets), un novedoso PGM diseñado para implementar CEA a través de DES. Las DESnets aprovechan las ventajas de estas técnicas, ofreciendo un enfoque transparente para modelar intervenciones de salud complejas de una manera que permite validar dichos modelos fácilmente. Esta investigación introduce nuevos tipos de nodos y relaciones que no están presentes en PGMs anteriores, desarrolla un algoritmo de evaluación preciso y eficiente, y valida el resultado comparándolo con herramientas DES de vanguardia y desarrollando un algoritmo para convertir una DESnet en un modelo funcional DICE (Discrete Integrated Condition-Event). La aplicación práctica de las DESnets se demuestra a través del proyecto inEurHeart, que evalúa la tecnología inHEART para el tratamiento de la taquicardia ventricular, mostrando el potencial para el CEA DES que ofrece el nuevo formalismo. Cabe destacar como resultado que las DESnets fomentan la transparencia y la facilidad de validación, al tiempo que proporcionan resultados precisos y se encuentran entre las técnicas más rápidas en cuanto a tiempo de ejecución de la simulación. Este trabajo concluye destacando la posibilidad de construir modelos DES complejos de forma declarativa y realizar CEA con una interfaz gráfica de usuario, sin que sea necesario contar con habilidades de programación.