Modeling underreported infant mortality data with a random censoring poisson model

• Autor(a) principal: Guilherme Lopes de Oliveira
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUBD-A89PEH
• topic: Censored Poisson Model; Underreporting; Data augmentation; Infant mortality; Estatistica; Poisson, Distribuição de; eoria bayesiana de decisão estatistica; Mortalidade infantil; Mortalidade infantil Estatistica; Teoria bayesiana de decisão estatistica; pidemiologia Modelos estatisticos

Em áreas pobres e socialmente mais desfavorecidas, dados econômicos, sociais e de saúde são tipicamente subnotificados. Consequentemente, inferência utilizando as contagens observadas para o evento de interesse será tendenciosa e os riscos inerentes serão subestimados. Para contornar este problema, Bailey et al. (2005) propõem considerar os dados provenientes de áreas suspeitas como informações censuradas e desenvolvem uma abordagem Bayesiana espacial para o chamado modelo Poisson Censurado (MPC). Este modelo assume que todas as áreas censuradas são precisamente conhecidas a priori, o que não e uma tarefa simples em muitas situações práticas. Então, para levar em conta uma potencial subnotificação em um conjunto de dados de mortalidade infantil, nós propomos o modelo Poisson Censurado Aleatoriamente (MPCA) como uma extensão do MPC através da modelagem conjunta dos processos de geração e de reportacão /registro dos dados em vez de requerer uma pré-especificação das áreas censuradas. Assume-se que as contagens observadas têm uma distribuição Poisson e as probabilidades de subnotificação são associados a um modelo logístico apropriado. Distribuições a priori informativas são consideradas para o processo de reportação dos dados. Propomos também um esquema de amostragem MCMC baseado na técnica de aumento de dados. Aumentando artificialmente os dados através de variáveis latentes, nós facilitamos o processo de amostragem a posteriori. Para avaliar o modelo proposto, apresentamos um estudo de simulação em que tal modelo é comparado com o MPC usando diferentes critérios de censura fixos. Por fim, o modelo proposto é aplicado no mapeamento do risco relativo de mortalidade neonatal precoce no Estado de Minas Gerais, Brasil, onde a qualidade dos dados é verdadeiramente precária em muitas regiões.