La configuración de esta pregunta es la siguiente. Supongamos que tenemos datos de recuento y denominador de seis centros de estudio diferentes, por meses durante 12 meses. Todos ellos están utilizando un estándar de diagnóstico uniforme en ese momento, por lo que teóricamente sus recuentos son aproximadamente los mismos. El objetivo de esto es obtener una estimación del recuento mensual típico de casos por persona-hora que obtiene cada centro de estudio, aunque permitimos que varíe por mes en caso de que cambie drásticamente.
Esencialmente, una estimación de regresión de Poisson bastante estándar de una densidad de incidencia.
Excepto dos de los centros cambian su procedimiento de diagnóstico por otro más preciso a mitad del periodo de estudio. Digamos que el centro 1 cambia a los 2 meses y el centro 2 cambia a los 8 meses, por el bien del ejemplo.
Se cree que el nuevo procedimiento mejora la precisión, pero no hay datos directos de los centros para elaborar nuestras propias medidas de precisión, tendríamos que basarnos en las cifras publicadas de sensibilidad/especificidad de las dos pruebas en la literatura.
Estoy tratando de encontrar una manera de evitar simplemente descartar los datos de después del cambio de protocolo. ¿Alguna idea?
Una actualización: Uno de los centros en cuestión representa alrededor del 3% del total de personas que participaron en el estudio, pero alrededor del 10% de los casos, debido tanto a la mejora de la prueba como a la aparición de un brote en el centro en ese momento. Así que aunque "tirarlo" sigue siendo una opción, no es mi opción favorita.
