Interpola log i y log f linealmente entre los nudos (constantes fuera de ellos), resuelve la ecuación de la
prevalencia con dl_edo_resolver() y devuelve las cantidades en las edades enteras.
Usage
dl_edo(
log_i_nudos,
log_f_nudos,
nudos,
edad_inicio,
edad_fin = 99,
remision = 0,
p0 = 0,
nsub = 5L
)Arguments
- log_i_nudos
Logaritmo de la incidencia en cada nudo.
- log_f_nudos
Logaritmo de la mortalidad en exceso en cada nudo.
- nudos
Edades de los nudos (años), crecientes.
- edad_inicio, edad_fin
Primera y última edad (años).
- remision
Remisión (por persona-año): un número o un vector de la longitud de
i_media.- p0
Prevalencia en la primera edad de la malla.
- nsub
Subpasos por año (h = 1/
nsub).
Value
Lista con edades (las edades enteras de edad_inicio a edad_fin), p (prevalencia, proporción),
i (incidencia) y f (mortalidad en exceso), por persona-año, en esas edades.
See also
dl_edo_resolver() (el integrador), dl_ajustar() (que la resuelve con cada simulación).
Funciones avanzadas:
dl_edo_resolver(),
dl_esquema(),
dl_esquema_tabla(),
dl_mh(),
dl_mh_cadenas(),
dl_prior_emr(),
dl_severidad_desde_particion(),
dl_validar_estimaciones(),
dl_validar_tabla()
Examples
# incidencia que crece con la edad y mortalidad en exceso constante, con nudos cada 20 años
nudos <- c(30, 50, 70, 90)
r <- dl_edo(log_i_nudos = log(c(0.002, 0.005, 0.012, 0.02)), log_f_nudos = log(rep(0.05, 4)),
nudos = nudos, edad_inicio = 30)
prev <- data.frame(edad = r$edades, p = r$p, i = r$i)
prev[prev$edad %in% c(30, 50, 70, 90), ]
#> edad p i
#> 1 30 0.00000000 0.002
#> 21 50 0.04375854 0.005
#> 41 70 0.11955484 0.012
#> 61 90 0.23346185 0.020
plot(r$edades, r$p, type = "l", xlab = "Edad (años)", ylab = "Prevalencia",
main = "Prevalencia por edad", sub = "Datos sintéticos")
