Modelos estadísticos espacio temporales en perimetría

El desarrollo de gran parte de los modelos y métodos estadísticos que conocemos y utilizamos en la actualidad ha ido ligado al estudio de aplicaciones específicas dentro de diversos ámbitos científicos.Nuestra motivación al empezar a trabajar con datos perimétricos, fue la de construir un modelo espacio temporal que nos permitiera modelizar la evolución, tanto espacial (en la retina) como en el tiempo (evolución temporal), de las lesiones que aparecen en la retina del paciente debidas al glaucoma. Nuestro objetivo a lo largo de la tesis, ha sido el resolver diversos problemas ligados al estudio del glaucoma, enfermedad ocular muy extendida, que se caracteriza por producir una pérdida de visión gradual en el paciente, pudiendo llegar a producirle ceguera. Para diagnosticar y evaluar el glaucoma, los oftalmólogos se basan principalmente en el análisis de campos visuales (mapas numéricos que les informan de la intensidad de visión del paciente en un conjunto de puntos de su retina). Nosotros hemos trabajado con bases de datos de campos visuales de un conjunto de pacientes, obtenidos en la consulta oftalmológica.En este trabajo hemos analizado los campos visuales bajo dos perspectivas distintas. En la primera parte de la tesis, utilizamos la metodología Geoestadística para modelizar la distribución espacio temporal de campos visuales de pacientes sanos y de pacientes con glaucoma. El objetivo de la modelización, además de describir el proceso, es la de poder realizar simulaciones y predicciones a partir de ella. En la segunda parte de la tesis, trabajamos con los métodos propios de las series temporales multivariantes, desde el punto de vista clásico.Tras hacer una revisión teórica de los métodos a utilizar, planteamos un problema bajo un enfoque bayesiano, en el que pretendemos estimar si cada posición de un campo visual observado está sana o enferma, y otro problema en el que pretendemos construir un modelo espacio temporal conjunto para caracterizar la distribución espacio temporal de campos visuales de pacientes que sufren glaucoma, y utilizar el modelo obtenido para realizar predicciones