Modellen met Latente Variabelen in Diagnostische Geneeskunde

In deze thesis bekijken we het gebruik van modellen met latente variabelen, toegepast op de studie van de gevoeligheid en specificiteit van testen gebruikt in de diagnose van infectieziekten. Deze modellen met latente variabelen worden gebruikt om te corrigeren voor de bias geinduceerd door het gebruik van een imperfect referentietest. In het bijzonder omvat deze thesis de volgende aandachtspunten: (1) de interpretatie en schatting van modellen met latent varabele waar de testen conditioneel gecorreleerd zijn, (2) het gebruik van "mixture" modellen voor het schatten van de prevalentie en incidentie van infectieziekten, (3) de meta-analyze van diagnostische precisie studies, waar we corrigeren voor het gebruik van imperfecte referentie testen. Alle modellen zijn geschat door middel van Bayesiaanse technieken, in het bijzonder Markov Chain Monte Carlo simulatie.