Imputação múltipla e análise de casos completos em modelos de regressão logística: uma avaliação prática do impacto das perdas em covariáveis

• Autor(a) principal: Camargos,Vitor Passos
• Data de Publicação: 2011
• Outros Autores: César,Cibele Comini, Caiaffa,Waleska Teixeira, Xavier,Cesar Coelho, Proietti,Fernando Augusto
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Cadernos de Saúde Pública
• Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0102-311X2011001200003
• topic: Métodos; Análise Estatística; Modelos Logísticos; Índice de Massa Corporal

Pesquisadores da área da saúde lidam frequentemente com o problema das bases de dados incompletas. A Análise de Casos Completos (ACC), que restringe as análises aos indivíduos com dados completos, reduz o tamanho da amostra e pode produzir estimativas viciadas. Baseado em fundamentos estatísticos, o método de Imputação Múltipla (IM) utiliza todos os dados coletados e é recomendado como alternativa à ACC. Dados do estudo Saúde em Beagá, inquérito domiciliar em que participaram 4.048 adultos de dois dos nove distritos sanitários da Cidade de Belo Horizonte no biênio 2008-2009, foram utilizados para avaliar a ACC e diferentes abordagens de IM no contexto de modelos logísticos com covariáveis incompletas. Peculiaridades de algumas variáveis desse estudo permitiram aproximar uma situação em que os dados ausentes de uma covariável são recuperados, e assim os resultados anteriores e posteriores à recuperação são comparados. Verificou-se que mesmo a abordagem mais simplista de IM obteve melhor desempenho que a ACC, já que se aproximou mais dos resultados pós-recuperação.