Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista brasileira de epidemiologia (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-790X2010000400005 |
Resumo: | INTRODUÇÃO: A perda de informações é um problema frequente em estudos realizados na área da Saúde. Na literatura essa perda é chamada de missing data ou dados faltantes. Através da imputação dos dados faltantes são criados conjuntos de dados artificialmente completos que podem ser analisados por técnicas estatísticas tradicionais. O objetivo desse artigo foi comparar, em um exemplo baseado em dados reais, a utilização de três técnicas de imputações diferentes. MÉTODO: Os dados utilizados referem-se a um estudo de desenvolvimento de modelo de risco cirúrgico, sendo que o tamanho da amostra foi de 450 pacientes. Os métodos de imputação empregados foram duas imputações únicas e uma imputação múltipla (IM), e a suposição sobre o mecanismo de não-resposta foi MAR (Missing at Random). RESULTADOS: A variável com dados faltantes foi a albumina sérica, com 27,1% de perda. Os modelos obtidos pelas imputações únicas foram semelhantes entre si, mas diferentes dos obtidos com os dados imputados pela IM quanto à inclusão de variáveis nos modelos. CONCLUSÕES: Os resultados indicam que faz diferença levar em conta a relação da albumina com outras variáveis observadas, pois foram obtidos modelos diferentes nas imputações única e múltipla. A imputação única subestima a variabilidade, gerando intervalos de confiança mais estreitos. É importante se considerar o uso de métodos de imputação quando há dados faltantes, especialmente a IM que leva em conta a variabilidade entre imputações para as estimativas do modelo. |
id |
ABRASCO-1_5c55f2cf77c1bc186f56f9ca8cfd5a22 |
---|---|
oai_identifier_str |
oai:scielo:S1415-790X2010000400005 |
network_acronym_str |
ABRASCO-1 |
network_name_str |
Revista brasileira de epidemiologia (Online) |
repository_id_str |
|
spelling |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgicaMétodos de imputaçãoImputação múltiplaDados faltantesNão-resposta ao acasoINTRODUÇÃO: A perda de informações é um problema frequente em estudos realizados na área da Saúde. Na literatura essa perda é chamada de missing data ou dados faltantes. Através da imputação dos dados faltantes são criados conjuntos de dados artificialmente completos que podem ser analisados por técnicas estatísticas tradicionais. O objetivo desse artigo foi comparar, em um exemplo baseado em dados reais, a utilização de três técnicas de imputações diferentes. MÉTODO: Os dados utilizados referem-se a um estudo de desenvolvimento de modelo de risco cirúrgico, sendo que o tamanho da amostra foi de 450 pacientes. Os métodos de imputação empregados foram duas imputações únicas e uma imputação múltipla (IM), e a suposição sobre o mecanismo de não-resposta foi MAR (Missing at Random). RESULTADOS: A variável com dados faltantes foi a albumina sérica, com 27,1% de perda. Os modelos obtidos pelas imputações únicas foram semelhantes entre si, mas diferentes dos obtidos com os dados imputados pela IM quanto à inclusão de variáveis nos modelos. CONCLUSÕES: Os resultados indicam que faz diferença levar em conta a relação da albumina com outras variáveis observadas, pois foram obtidos modelos diferentes nas imputações única e múltipla. A imputação única subestima a variabilidade, gerando intervalos de confiança mais estreitos. É importante se considerar o uso de métodos de imputação quando há dados faltantes, especialmente a IM que leva em conta a variabilidade entre imputações para as estimativas do modelo.Associação Brasileira de Saúde Coletiva2010-12-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-790X2010000400005Revista Brasileira de Epidemiologia v.13 n.4 2010reponame:Revista brasileira de epidemiologia (Online)instname:Associação Brasileira de Saúde Coletiva (ABRASCO)instacron:ABRASCO10.1590/S1415-790X2010000400005info:eu-repo/semantics/openAccessNunes,Luciana NevesKlück,Mariza MachadoFachel,Jandyra Maria Guimarãespor2010-12-10T00:00:00Zoai:scielo:S1415-790X2010000400005Revistahttp://www.scielo.br/rbepidhttps://old.scielo.br/oai/scielo-oai.php||revbrepi@usp.br1980-54971415-790Xopendoar:2010-12-10T00:00Revista brasileira de epidemiologia (Online) - Associação Brasileira de Saúde Coletiva (ABRASCO)false |
dc.title.none.fl_str_mv |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
title |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
spellingShingle |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica Nunes,Luciana Neves Métodos de imputação Imputação múltipla Dados faltantes Não-resposta ao acaso |
title_short |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
title_full |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
title_fullStr |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
title_full_unstemmed |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
title_sort |
Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica |
author |
Nunes,Luciana Neves |
author_facet |
Nunes,Luciana Neves Klück,Mariza Machado Fachel,Jandyra Maria Guimarães |
author_role |
author |
author2 |
Klück,Mariza Machado Fachel,Jandyra Maria Guimarães |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Nunes,Luciana Neves Klück,Mariza Machado Fachel,Jandyra Maria Guimarães |
dc.subject.por.fl_str_mv |
Métodos de imputação Imputação múltipla Dados faltantes Não-resposta ao acaso |
topic |
Métodos de imputação Imputação múltipla Dados faltantes Não-resposta ao acaso |
description |
INTRODUÇÃO: A perda de informações é um problema frequente em estudos realizados na área da Saúde. Na literatura essa perda é chamada de missing data ou dados faltantes. Através da imputação dos dados faltantes são criados conjuntos de dados artificialmente completos que podem ser analisados por técnicas estatísticas tradicionais. O objetivo desse artigo foi comparar, em um exemplo baseado em dados reais, a utilização de três técnicas de imputações diferentes. MÉTODO: Os dados utilizados referem-se a um estudo de desenvolvimento de modelo de risco cirúrgico, sendo que o tamanho da amostra foi de 450 pacientes. Os métodos de imputação empregados foram duas imputações únicas e uma imputação múltipla (IM), e a suposição sobre o mecanismo de não-resposta foi MAR (Missing at Random). RESULTADOS: A variável com dados faltantes foi a albumina sérica, com 27,1% de perda. Os modelos obtidos pelas imputações únicas foram semelhantes entre si, mas diferentes dos obtidos com os dados imputados pela IM quanto à inclusão de variáveis nos modelos. CONCLUSÕES: Os resultados indicam que faz diferença levar em conta a relação da albumina com outras variáveis observadas, pois foram obtidos modelos diferentes nas imputações única e múltipla. A imputação única subestima a variabilidade, gerando intervalos de confiança mais estreitos. É importante se considerar o uso de métodos de imputação quando há dados faltantes, especialmente a IM que leva em conta a variabilidade entre imputações para as estimativas do modelo. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-12-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-790X2010000400005 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1415-790X2010000400005 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S1415-790X2010000400005 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Associação Brasileira de Saúde Coletiva |
publisher.none.fl_str_mv |
Associação Brasileira de Saúde Coletiva |
dc.source.none.fl_str_mv |
Revista Brasileira de Epidemiologia v.13 n.4 2010 reponame:Revista brasileira de epidemiologia (Online) instname:Associação Brasileira de Saúde Coletiva (ABRASCO) instacron:ABRASCO |
instname_str |
Associação Brasileira de Saúde Coletiva (ABRASCO) |
instacron_str |
ABRASCO |
institution |
ABRASCO |
reponame_str |
Revista brasileira de epidemiologia (Online) |
collection |
Revista brasileira de epidemiologia (Online) |
repository.name.fl_str_mv |
Revista brasileira de epidemiologia (Online) - Associação Brasileira de Saúde Coletiva (ABRASCO) |
repository.mail.fl_str_mv |
||revbrepi@usp.br |
_version_ |
1754212952367431680 |