Nieto Sanchez, Zulmary CarolinaBravo Valero, Antonio José2025-02-062025-02-062024Nieto Sánchez, Z. C., & Bravo Valero, A. J. (2024). Exploring computational methods in the statistical analysis of imprecise medical data: between epistemology and ontology. Salud, Ciencia Y Tecnología, 4, 1341. https://doi.org/10.56294/saludcyt2024134127699711https://hdl.handle.net/20.500.12442/16224The accuracy of the results is essential to evaluate the effectiveness of statistical methods in the analysis of medical data with uncertainty. Indicators such as margin of error, percent agreement and coefficient of determination quantified accuracy under epistemic and ontological uncertainty. The stability of the methods was assessed by variation in trend analysis, sensitivity to small variations and model robustness. Data reliability focused on the selection of methods that effectively handle epistemic uncertainty, recording assumptions, sensitivity analysis and internal consistency. Ontological imprecision was quantified using the fuzzy membership degree and the overlap coefficient. The exploration of computational methods underlined the importance of accuracy and the handling of epistemic and ontological uncertainty, ensuring reliable results. The geometric mean filter, with a score of 0,7790, stood out as the best for its accuracy and ability to effectively handle uncertainty.La exactitud de los resultados es esencial para evaluar la eficacia de métodos estadísticos en el análisis de datos médicos con incertidumbre. Indicadores como el margen de error, el porcentaje de concordancia y el coeficiente de determinación cuantificaron la precisión bajo incertidumbre epistémica y ontológica. La estabilidad de los métodos se evaluó mediante la variación en análisis de tendencias, la sensibilidad a pequeñas variaciones y la robustez del modelo. La confiabilidad de los datos se centró en la selección de métodos que manejan eficazmente la incertidumbre epistémica, registrando supuestos, análisis de sensibilidad y consistencia interna. La imprecisión ontológica se cuantificó mediante el grado de pertenencia difuso y el coeficiente de solapamiento. La exploración de métodos computacionales subrayó la importancia de la precisión y el manejo de la incertidumbre epistémica y ontológica, asegurando resultados fiables. El filtro de media geométrica, con una puntuación de 0,7790, destacó como el mejor por su precisión y capacidad para el manejo eficaz de la incertidumbre.pdfengAttribution-NonCommercial-NoDerivs 3.0 United StatesEstadísticaMétodos computacionalesDatos imprecisosIncertidumbreEpistemologíaOntologíainfo:eu-repo/semantics/openAccessinfo:eu-repo/semantics/articlehttps://doi.org/10.56294/saludcyt20241341StatisticsComputational MethodsImprecise DataUncertaintyEpistemologyOntology