Este modelo puede representarse gráficamente como una variante de los árboles
de decisión empleados en los modelos determinísticos, como diagramas en
cascada; su uso se debe dar en eventos repetitivos, irreversibles y de larga duración
Los modelos de Markov tienen unas condiciones como los resultados y los costos
van asociados y van modificando a lo largo del tiempo, interviene el azar, se debe
definir los estados de salud que valida la patología y por los que van a ir pasando
los pacientes en su evolución, por ejemplo: sano, dolor precordial, angina de pecho,
angina inestable, infarto de miocardio, muerte. Cada paciente solo puede hacer una
transición por cada ciclo y ser excluyente de tal manera que un paciente no puede
estar en 2 estados de salud a la vez.
Tipos de Modelos de Markov
En la práctica podemos diferenciar tres grandes tipos de modelos de Markov, en
función de las propiedades respecto al tiempo de las probabilidades de transición:
—Cadenas de Markov. Son aquellos procesos de Markov, que mantienen las
probabilidades de transición constantes a lo largo del tiempo que dura el proceso
modelizado. Estos procesos son aplicables fundamentalmente a problemas
sanitarios con un horizonte temporal corto, en los que puede asumirse que las
probabilidades de transición permanecen constantes en dicho periodo.
—Procesos de Markov. En ellos las probabilidades de transición varían en el tiempo,
es decir, las probabilidades sólo dependen del tiempo y del estado en el que se
encuentra el individuo, y no del estado de salud en el periodo anterior. Dichos
procesos son fundamentalmente aplicables a enfermedades crónicas, por ejemplo
infección por VIH, u otros procesos en los que se produce un aumento de la morbi-
mortalidad en función de otras variables del modelo (edad, variaciones de la carga
viral, aparición de desencadenantes de agudizaciones, etc.), con lo que si no
disponemos de estas proporciones (tasas), según los intervalos estudiados, se ha
de calcular para cada uno de ellos.
—Semiproceso de Markov. Cuando las probabilidades de transición dependen de
la duración del tiempo de permanencia en un estado. Se han aplicado, por ejemplo,
para modelizar la evolución de la EPOC desde su diagnóstico hasta el desenlace
de la patología.