Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos

Detalhes bibliográficos
Autor(a) principal: Nunes, Luciana Neves
Data de Publicação: 2009
Outros Autores: Kluck, Mariza Machado, Fachel, Jandyra Maria Guimarães
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/49589
Resumo: Em situações com dados faltantes, é comum restringirse à análise dos sujeitos com dados completos. Porém, as estimativas com apenas esses sujeitos podem tornar- se viesadas. A prática de preenchimento de dados faltantes é a chamada técnica de imputação. Este trabalho tem como objetivo divulgar o método de imputação múltipla. Em um conjunto de dados de 470 pacientes cirúrgicos, foram ajustados modelos logísticos para o desfecho óbito. Foram gerados dois conjuntos de dados incompletos: um com 5% e outro com 20% de dados faltantes para uma variável. Foram ajustados modelos para o conjunto completo, com dados faltantes e para o conjunto completado por imputação múltipla. As estimativas obtidas pela análise dos conjuntos com dados faltantes e com o conjunto completo foram diferentes, principalmente as do conjunto com 20% de dados faltantes. A imputação múltipla utilizada pareceu eficiente, pois os resultados conseguidos com o banco completado por imputações foram próximos dos obtidos com o conjunto completo. Porém, um coeficiente deixou de ser estatisticamente significativo. A imputação múltipla se mostrou superior à análise do conjunto com dados faltantes, que desconsiderou os casos incompletos.
id UFRGS-2_75fae701f34994b5dd12168263922012
oai_identifier_str oai:www.lume.ufrgs.br:10183/49589
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Nunes, Luciana NevesKluck, Mariza MachadoFachel, Jandyra Maria Guimarães2012-06-12T01:33:34Z20090102-311Xhttp://hdl.handle.net/10183/49589000681230Em situações com dados faltantes, é comum restringirse à análise dos sujeitos com dados completos. Porém, as estimativas com apenas esses sujeitos podem tornar- se viesadas. A prática de preenchimento de dados faltantes é a chamada técnica de imputação. Este trabalho tem como objetivo divulgar o método de imputação múltipla. Em um conjunto de dados de 470 pacientes cirúrgicos, foram ajustados modelos logísticos para o desfecho óbito. Foram gerados dois conjuntos de dados incompletos: um com 5% e outro com 20% de dados faltantes para uma variável. Foram ajustados modelos para o conjunto completo, com dados faltantes e para o conjunto completado por imputação múltipla. As estimativas obtidas pela análise dos conjuntos com dados faltantes e com o conjunto completo foram diferentes, principalmente as do conjunto com 20% de dados faltantes. A imputação múltipla utilizada pareceu eficiente, pois os resultados conseguidos com o banco completado por imputações foram próximos dos obtidos com o conjunto completo. Porém, um coeficiente deixou de ser estatisticamente significativo. A imputação múltipla se mostrou superior à análise do conjunto com dados faltantes, que desconsiderou os casos incompletos.In situations with missing data, statistical analyses are usually limited to subjects with complete data. However, such estimates may be biased. The method of "filling in" missing data is called imputation. This article aimed to present a multiple imputation method. From a data set of 470 surgical patients, logistic models were developed for death as the outcome. Two incomplete data sets were generated: one with 5% and another with 20% of missing data in a single variable. Logistic models were fitted for the complete and incomplete data sets and for the data set completed by multiple imputations. Estimates obtained for the data set with missing data were different from those observed in the complete data set, mainly in the situation with 20% of missing data. The multiple imputation used here appeared efficient, producing very similar results to those obtained with the complete data set. However, one coefficient became non-significant. The analysis using multiple imputations was considered superior to using the data sets that excluded incomplete cases from the analysis.application/pdfporCadernos de saúde pública. Rio de Janeiro. Vol. 25, no. 2 (fev. 2009), p. 268 - 278.Estatística aplicada : Biologia : Medicina : Ciencias biomedicas : Bioestatistica : Estatistica medicaStatistical data interpretationStatistical modelsDatabaseUso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicosMultiple imputations for missing data : a simulation with epidemiological datainfo:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000681230.pdf000681230.pdfTexto completoapplication/pdf111205http://www.lume.ufrgs.br/bitstream/10183/49589/1/000681230.pdf7aa7066d1673feb5170f8b69576c7139MD51TEXT000681230.pdf.txt000681230.pdf.txtExtracted Texttext/plain43328http://www.lume.ufrgs.br/bitstream/10183/49589/2/000681230.pdf.txtd42d57bdda31541e5b6c6541b06bdcd2MD52THUMBNAIL000681230.pdf.jpg000681230.pdf.jpgGenerated Thumbnailimage/jpeg1543http://www.lume.ufrgs.br/bitstream/10183/49589/3/000681230.pdf.jpgb5df289f87d9f4acb29e2a7c40f85e83MD5310183/495892018-10-17 07:44:10.197oai:www.lume.ufrgs.br:10183/49589Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-17T10:44:10Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
dc.title.alternative.en.fl_str_mv Multiple imputations for missing data : a simulation with epidemiological data
title Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
spellingShingle Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
Nunes, Luciana Neves
Estatística aplicada : Biologia : Medicina : Ciencias biomedicas : Bioestatistica : Estatistica medica
Statistical data interpretation
Statistical models
Database
title_short Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
title_full Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
title_fullStr Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
title_full_unstemmed Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
title_sort Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
author Nunes, Luciana Neves
author_facet Nunes, Luciana Neves
Kluck, Mariza Machado
Fachel, Jandyra Maria Guimarães
author_role author
author2 Kluck, Mariza Machado
Fachel, Jandyra Maria Guimarães
author2_role author
author
dc.contributor.author.fl_str_mv Nunes, Luciana Neves
Kluck, Mariza Machado
Fachel, Jandyra Maria Guimarães
dc.subject.por.fl_str_mv Estatística aplicada : Biologia : Medicina : Ciencias biomedicas : Bioestatistica : Estatistica medica
topic Estatística aplicada : Biologia : Medicina : Ciencias biomedicas : Bioestatistica : Estatistica medica
Statistical data interpretation
Statistical models
Database
dc.subject.eng.fl_str_mv Statistical data interpretation
Statistical models
Database
description Em situações com dados faltantes, é comum restringirse à análise dos sujeitos com dados completos. Porém, as estimativas com apenas esses sujeitos podem tornar- se viesadas. A prática de preenchimento de dados faltantes é a chamada técnica de imputação. Este trabalho tem como objetivo divulgar o método de imputação múltipla. Em um conjunto de dados de 470 pacientes cirúrgicos, foram ajustados modelos logísticos para o desfecho óbito. Foram gerados dois conjuntos de dados incompletos: um com 5% e outro com 20% de dados faltantes para uma variável. Foram ajustados modelos para o conjunto completo, com dados faltantes e para o conjunto completado por imputação múltipla. As estimativas obtidas pela análise dos conjuntos com dados faltantes e com o conjunto completo foram diferentes, principalmente as do conjunto com 20% de dados faltantes. A imputação múltipla utilizada pareceu eficiente, pois os resultados conseguidos com o banco completado por imputações foram próximos dos obtidos com o conjunto completo. Porém, um coeficiente deixou de ser estatisticamente significativo. A imputação múltipla se mostrou superior à análise do conjunto com dados faltantes, que desconsiderou os casos incompletos.
publishDate 2009
dc.date.issued.fl_str_mv 2009
dc.date.accessioned.fl_str_mv 2012-06-12T01:33:34Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/other
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/49589
dc.identifier.issn.pt_BR.fl_str_mv 0102-311X
dc.identifier.nrb.pt_BR.fl_str_mv 000681230
identifier_str_mv 0102-311X
000681230
url http://hdl.handle.net/10183/49589
dc.language.iso.fl_str_mv por
language por
dc.relation.ispartof.pt_BR.fl_str_mv Cadernos de saúde pública. Rio de Janeiro. Vol. 25, no. 2 (fev. 2009), p. 268 - 278.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/49589/1/000681230.pdf
http://www.lume.ufrgs.br/bitstream/10183/49589/2/000681230.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/49589/3/000681230.pdf.jpg
bitstream.checksum.fl_str_mv 7aa7066d1673feb5170f8b69576c7139
d42d57bdda31541e5b6c6541b06bdcd2
b5df289f87d9f4acb29e2a7c40f85e83
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447461068537856

Registros relacionados