El modelo de efecto fijo (en singular) se utiliza para combinar los estudios primarios de un metanálisis cuando se asume que todos los estudios estiman un mismo efecto de la población. Por su parte, el modelo de efectos fijos (en plurarl), también llamado modelo de efectos mixtos, tiene utilidad para el análisis de subgrupos dentro de un metanálisis, combinando aspectos del modelo de efecto fijo y del modelo de efectos aleatorios.

Muchas pruebas diagnósticas se basan en modelos estadísticos que predicen la probabilidad de que un determinado sujeto sea positivo para esa prueba. Aunque la curva ROC evalúa el rendimiento global de la prueba, la elección del umbral de probabilidad para diferenciar entre positivos y negativos condicionará el rendimiento de la prueba en un escenario clínico determinado.

La distribución binomial se utiliza cuando queremos calcular la probabilidad de obtener un cierto número de éxitos en una serie de ensayos de Bernoulli, conociendo de antemano la probabilidad de éxito en cada uno. En cambio, la distribución beta se usa cuando ocurre lo contrario: ya hemos observado un número determinado de éxitos y fracasos, y queremos estimar cuán probable es cada posible valor de la probabilidad de éxito. Es decir, nos permite actualizar nuestras creencias sobre esa probabilidad tras haber recogido datos.

La regresión logística binaria emplea la función sigmoide para estimar la probabilidad de la variable objetivo cuando esta es binaria. Sin embargo, esta función no permite estimaciones directas de probabilidad cuando tratamos con variables nominales con más de dos categorías. En estos casos, emplearemos la regresión logística multinomial, que empleará la función softmax para estimar las probabilidades respecto a una categoría de referencia.