Resumen
Los modelos de regresión composicional con una variable de respuesta de valores reales pueden especificarse generalmente como modelos de log-contraste sujetos a una restricción de suma cero en los coeficientes del modelo. Esta formulación enfatiza la información relativa contenida en la composición, mientras que el total global se considera irrelevante.
En este trabajo, este marco se amplía para tener en cuenta no solo los efectos totales —definidos formalmente en el denominado espacio T (T-space)—, sino también los efectos de moderación o interacción. Este enfoque se aplica en el contexto del modelado de datos espaciotemporales complejos mediante una adaptación del método de aproximación de Laplace anidada integrada (INLA) dentro de un marco de estimación bayesiano.
Se pone especial énfasis en la interpretación de los coeficientes del modelo y de los resultados, tanto en la escala original de la variable de respuesta como en términos de elasticidades.
La metodología se demuestra mediante un estudio de caso detallado que investiga la relación entre la mortalidad por todas las causas y la interacción entre temperaturas extremas, la composición de la contaminación del aire y la contaminación total del aire en Cataluña, España, durante el verano de 2022.
Los resultados indican que las temperaturas extremas están asociadas con un aumento del riesgo de mortalidad cuatro días después de la exposición. Además, la exposición a la contaminación total del aire —especialmente al NO₂— se relaciona con un mayor riesgo de mortalidad independientemente de la temperatura. En contraste, la materia particulada se asocia con un aumento de la mortalidad únicamente cuando la exposición ocurre en días de calor extremo.