Cristina Galán defenderá su tesis el jueves 24 de julio

La defensa tendrá lugar en el Salón de Grados de la Facultad de Ciencia y Tecnología del Campus de Leioa de la EHU a las 11:00.

Cristina Galán ha sido doctoranda en el Basque Center for Applied Mathematics (BCAM) desde septiembre de 2021, trabajando dentro del grupo de Applied Statistics. Su investigación se centra en el análisis estadístico en contextos clínicos, particularmente mediante el uso de modelos conjuntos para datos longitudinales y de supervivencia. Explora y propone modelos estadísticos que permiten la inclusión de características reportadas por los propios pacientes dentro del marco de modelización conjunta. Previamente, obtuvo un Grado en Matemáticas en 2020 y un Máster en Matemáticas y sus Aplicaciones en 2021, ambos en la Universidad Autónoma de Madrid.

Su tesis, titulada " Joint modeling with beta-binomial distribution for patient-reported outcomes and survival data", fue dirigida por el Dr. Dae-Jin Lee (IE University) y Dr. Josu Najera Zuloaga (EHU). Será defendida el 24 de julio de 2025, a las 11:00, en el Salón de Grados de la Facultad de Ciencia y Tecnología del Campus de Leioa de la EHU.

En nombre de todos los miembros del BCAM, queremos desearle lo mejor para el futuro, tanto a nivel profesional como personal.

Abstract

This thesis addresses critical methodological gaps in the joint analysis of patient-reported outcomes (PROs) and survival data. PROs, as discrete bounded measures with inherent overdispersion, require specialized statistical treatment that conventional Gaussian-based joint models fail to provide. We develop novel methodological frameworks that properly account for PRO characteristics through beta-binomial distributions, overcoming limitations of existing approaches.

In this work, we propose, explore, and discuss various statistical approaches for joint modeling, from frequentist to bayesian proposals. Our work highlights the advantages of joint models that integrate longitudinal and survival data while emphasizing the importance of choosing appropriate distributions for PRO data.

The proposed methods' performance is evaluated using simulation studies, and comparisons with common approaches in the literature are provided. Additionally, we applied these methods to analyze a study carried out with chronic obstructive pulmonary disease (COPD) patients, where longitudinal tendencies for PRO data collected and their relationship with patients’ mortality are of interest.