Mi línea de investigación principal es la aplicación de la estadística a la medicina, especialmente, la estadística bayesiana. Atendiendo a mi trayectoria, distingo entre tres campos de aplicación:
Neuroimagen
Mi tesis versó sobre el análisis de imágenes de fMRI, un tema que implica el manejo de grandes bases de datos así como un modelado espacial complejo, proponiendo modelos para detectar actividad cerebral y estimar la curva de respuesta hemodinámica. Colaboré con el Laboratorio de Neuroimagen de la Fundación CIEN. Esta línea de investigación perduró hasta 2016.
Bioestadística
Después de mi doctorado me embarqué en varias colaboraciones con diferentes grupos. En primer lugar, estudié la aplicación de los modelos de multiestado en el cáncer de pulmón. En segundo lugar, también realicé algunos trabajos teóricos sobre evaluación de la bondad de ajuste. Por último, trabajo con el grupo VaBaR en la cuantificación de la incertidumbre en modelos bayesianos.
Cardiología
Una de mis primeras tareas en el HCSC consistió en poner en marcha un laboratorio de análisis de imagen. Siguiendo los intereses del grupo de investigación liderado por Javier Escaned, comencé a analizar las señales intracoronarias en busca de indicadores de deterioro microcirculatorio, desarrollando un software para el cálculo de la conductancia a partir de datos de fisiología.
Publicaciones destacadas
García-Donato, G. et al. (2021) Bayesian Variable Selection with Applications in Health Sciences. Mathematics, 9(3): 218. doi: 10.3390/math9030218
van der Hoeven, N.W. et al. (2019) Comprehensive physiological evaluation of epicardial and microvascular coronary domains using vascular conductance and zero flow pressure. EuroIntervention, 14(15): e1593 – e1600. doi: 10.4244/EIJ-D-18-00021
Armero, C. et al. (2019) Two-Stage Bayesian Approach for GWAS With Known Genealogy. Journal of Computational and Graphical Statistics, 28(1): 197 – 204. doi: 10.1080/10618600.2018.1483828
Cerrato, E. et al. (2017) PRotective Effect on the coronary microcirculation of patients with DIabetes by Clopidogrel or Ticagrelor (PREDICT): study rationale and design. Cardiovascular Diabetology, 16(1): 68. doi: 10.1186/s12933-017-0543-5
Armero, C. et al. (2016) Bayesian analysis of a disability model for lung cancer survival. Statistical Methods in Medical Research, 25(1): 336 – 351. doi: 10.1177/0962280212452803
Quirós, A. et al. (2016) Brain activity detection by estimating the signal-to-noise ratio of fMRI time series using dynamic linear models. Digital Signal Processing, 47: 205 – 211. doi: 10.1016/j.dsp.2015.06.008
Teunissen, P.F. et al. (2015) Doppler-derived intracoronary physiology indices predict the occurrence of microvascular injury and microvascular perfusion deficits after angiographically successful primary percutaneous coronary intervention. Circulation: Cardiovascular Interventions, 8(3): e001786. doi: 10.1161/circinterventions.114.001786
Cabras, S. et al. (2011) Goodness-of-fit of conditional regression models for multiple imputation. Bayesian Analysis, 6(3): 429 – 456. doi: 10.1214/11-BA617
Quirós, A. et al. (2010) Bayesian spatiotemporal model of fMRI. NeuroImage, 52(3): 995 – 1004. doi: 10.1016/j.neuroimage.2009.12.085